論文の概要: Decoding BACnet Packets: A Large Language Model Approach for Packet Interpretation

• arxiv url: http://arxiv.org/abs/2407.15428v1
• Date: Mon, 22 Jul 2024 07:15:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 15:50:49.966672
• Title: Decoding BACnet Packets: A Large Language Model Approach for Packet Interpretation
• Title（参考訳）: Decoding BACnet Packets: パケット解釈のための大規模言語モデルアプローチ
• Authors: Rashi Sharma, Hiroyuki Okada, Tatsumi Oba, Karthikk Subramanian, Naoto Yanai, Sugiri Pranata,
• Abstract要約: セキュリティオペレーションセンター(SOC)のアナリストは、ネットワークの活動やセキュリティインシデントを監視し、解釈し、対処する。 従来の監視ツールや技術は、ICS固有のコミュニケーションの性質と意図を明確に理解するのに苦労することが多い。 大規模言語モデル(LLM)を利用したソフトウェアソリューションを提案する。 このソフトウェアは、ネットワークアクティビティの明確で一貫性があり、理解しやすい要約を提供しており、SOCアナリストは制御システムの現在の状態をよりよく評価することができる。
• 参考スコア（独自算出の注目度）: 2.2366749481892834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Industrial Control System (ICS) environment encompasses a wide range of intricate communication protocols, posing substantial challenges for Security Operations Center (SOC) analysts tasked with monitoring, interpreting, and addressing network activities and security incidents. Conventional monitoring tools and techniques often struggle to provide a clear understanding of the nature and intent of ICS-specific communications. To enhance comprehension, we propose a software solution powered by a Large Language Model (LLM). This solution currently focused on BACnet protocol, processes a packet file data and extracts context by using a mapping database, and contemporary context retrieval methods for Retrieval Augmented Generation (RAG). The processed packet information, combined with the extracted context, serves as input to the LLM, which generates a concise packet file summary for the user. The software delivers a clear, coherent, and easily understandable summary of network activities, enabling SOC analysts to better assess the current state of the control system.
• Abstract（参考訳）: 産業制御システム(ICS)環境は、幅広い複雑な通信プロトコルを含み、ネットワークの活動やセキュリティインシデントを監視し、解釈し、対処するセキュリティオペレーションセンター(SOC)アナリストにとって重大な課題となっている。 従来の監視ツールや技術は、ICS固有のコミュニケーションの性質と意図を明確に理解するのに苦労することが多い。 本稿では,Large Language Model (LLM) を利用したソフトウェアソリューションを提案する。 このソリューションは現在BACnetプロトコルに注目し、パケットファイルデータを処理し、マッピングデータベースを用いてコンテキストを抽出する。 処理されたパケット情報は、抽出されたコンテキストと組み合わせて、LCMへの入力として機能し、ユーザのための簡潔なパケットファイル要約を生成する。 このソフトウェアは、ネットワークアクティビティの明確で一貫性があり、理解しやすい要約を提供するので、SOCアナリストは制御システムの現在の状態をよりよく評価することができる。

関連論文リスト

• CTINEXUS: Leveraging Optimized LLM In-Context Learning for Constructing Cybersecurity Knowledge Graphs Under Data Scarcity [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI抽出法は柔軟性と一般化性に欠けており、しばしば不正確で不完全な知識抽出をもたらす。 CTINexusは,大規模言語モデルのテキスト内学習(ICL)を最適化した新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• Semantic Meta-Split Learning: A TinyML Scheme for Few-Shot Wireless Image Classification [50.28867343337997]
  本研究は,TinyMLを用いた無線画像分類のためのセマンティック・コミュニケーション・フレームワークを提案する。 我々は、プライバシ保護を確保しつつ、エンドユーザーによって実行される計算を制限するために分割学習を利用する。 メタ学習は、データ可用性の懸念を克服し、同様のトレーニングされたタスクを利用することで、トレーニングを高速化する。
  論文  参考訳（メタデータ） (2024-09-03T05:56:55Z)
• Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
  画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。 既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。 我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:36Z)
• Preliminary study on artificial intelligence methods for cybersecurity threat detection in computer networks based on raw data packets [34.82692226532414]
  本稿では,ネットワークトラフィック内の生パケットデータから直接リアルタイムに攻撃を検知できるディープラーニング手法について検討する。 コンピュータビジョンモデルを用いた処理に適した2次元画像表現を用いて,パケットをウィンドウに積み重ねて別々に認識する手法を提案する。
  論文  参考訳（メタデータ） (2024-07-24T15:04:00Z)
• Text-Video Retrieval with Global-Local Semantic Consistent Learning [122.15339128463715]
  我々は,シンプルで効果的なグローバル局所意味的一貫性学習(GLSCL)を提案する。 GLSCLは、テキストビデオ検索のためのモダリティをまたいだ潜在共有セマンティクスを活用する。 本手法はSOTAと同等の性能を実現し,計算コストの約220倍の高速化を実現している。
  論文  参考訳（メタデータ） (2024-05-21T11:59:36Z)
• Pre-trained Text-to-Image Diffusion Models Are Versatile Representation Learners for Control [73.6361029556484]
  身体的なAIエージェントは、視覚的および言語入力を介して、物理的な世界を詳細に理解する必要がある。 テキストプロンプトから画像を生成するために明示的に最適化された事前学習されたテキスト画像拡散モデルについて検討する。 安定度制御表現により,OVMM上での最先端性能を示す学習ポリシーが実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-09T15:39:54Z)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)
• Enhancing Network Management Using Code Generated by Large Language Models [15.557254786007325]
  本稿では,大規模言語モデル(LLM)を用いて自然言語クエリからタスク固有コードを生成することにより,自然言語ベースのネットワーク管理エクスペリエンスを促進する新しいアプローチを提案する。 この方法は、ネットワークオペレーターが生成されたコードを検査できるようにすることで、説明可能性、スケーラビリティ、プライバシの課題に取り組む。 ベンチマークアプリケーションを用いてプロトタイプシステムを設計,評価し,高い精度,コスト効率,さらなる拡張の可能性を示す。
  論文  参考訳（メタデータ） (2023-08-11T17:49:15Z)
• Prevention of cyberattacks in WSN and packet drop by CI framework and information processing protocol using AI and Big Data [0.0]
  本研究では、認知知能(CI)フレームワーク、情報処理プロトコル、高度な人工知能(AI)およびビッグデータ分析アプローチを統合する。 このフレームワークは、DoS(DoS)攻撃、ノードの妥協、データ改ざんなど、さまざまなタイプの攻撃を検出し、防止することができる。 パケットドロップの発生に対して非常に耐性があり、WSN全体の信頼性と性能を向上させる。
  論文  参考訳（メタデータ） (2023-06-15T19:00:39Z)
• Learning Generalized Wireless MAC Communication Protocols via Abstraction [34.450315226301576]
  本稿では,オートエンコーダ(AE)に基づくアーキテクチャを提案し,それをMAPPO(Multi-Adnt proximal Policy Optimization)フレームワークに組み込む。 観測から抽象化された情報を学習するために,オートエンコーダ(AE)に基づくアーキテクチャを提案し,それをMAPPO(Multi-Adnt proximal Policy Optimization)フレームワークに組み込む。
  論文  参考訳（メタデータ） (2022-06-06T14:19:21Z)
• The Emergence of Wireless MAC Protocols with Multi-Agent Reinforcement Learning [15.790464310310083]
  本稿では,基地局 (BS) とユーザ機器 (UE) がマルチアクセスシナリオでメディアアクセス制御 (MAC) プロトコルを実現するための新しいフレームワークを提案する。 このフレームワークでは、BSとUEは強化学習(RL)エージェントであり、データを提供するために協力することを学ぶ必要がある。
  論文  参考訳（メタデータ） (2021-08-16T15:18:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。