Fugu-MT 論文翻訳(概要): How to Design a Blue Team Scenario for Beginners on the Example of Brute-Force Attacks on Authentications

論文の概要: How to Design a Blue Team Scenario for Beginners on the Example of Brute-Force Attacks on Authentications

arxiv url: http://arxiv.org/abs/2407.16238v1
Date: Tue, 23 Jul 2024 07:26:34 GMT
ステータス: 処理完了
システム内更新日: 2024-07-24 18:16:07.953838
Title: How to Design a Blue Team Scenario for Beginners on the Example of Brute-Force Attacks on Authentications
Title（参考訳）: 認証に対するブルー・フォース・アタックの例に基づく初心者向けブルーチームシナリオの設計方法
Authors: Andreas Eipper, Daniela Pöhn,
Abstract要約: 実践的なトレーニングは、生徒がトピックを紹介するのにも使える。ユーザー認証を必要とするウェブサイトに対する絶え間ない脅威は、いわゆるブルートフォース攻撃である。 3つのオープンソースのBlueチームシナリオが設計され、体系的に記述されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cyber attacks are ubiquitous and a constantly growing threat in the age of digitization. In order to protect important data, developers and system administrators must be trained and made aware of possible threats. Practical training can be used for students alike to introduce them to the topic. A constant threat to websites that require user authentication is so-called brute-force attacks, which attempt to crack a password by systematically trying every possible combination. As this is a typical threat, but comparably easy to detect, it is ideal for beginners. Therefore, three open-source blue team scenarios are designed and systematically described. They are contiguous to maximize the learning effect.
Abstract（参考訳）: サイバー攻撃はユビキタスで、デジタル化の時代には常に脅威が増している。重要なデータを保護するために、開発者とシステム管理者はトレーニングを受け、脅威の可能性を認識しなければなりません。実践的なトレーニングは、生徒がトピックを紹介するのにも使える。ユーザ認証を必要とするWebサイトに対する絶え間ない脅威は、いわゆるブルートフォース攻撃(brute-force attack)だ。これは典型的な脅威だが、容易に検出できるので、初心者には理想的だ。したがって、3つのオープンソースの青チームシナリオが設計され、体系的に記述される。彼らは学習効果を最大化するために丁寧です。

関連論文リスト

Rethinking the Vulnerabilities of Face Recognition Systems:From a Practical Perspective [53.24281798458074]
顔認識システム(FRS)は、監視やユーザー認証を含む重要なアプリケーションにますます統合されている。最近の研究によると、FRSの脆弱性は敵(例えば、敵パッチ攻撃)やバックドア攻撃(例えば、データ中毒の訓練)であることが明らかになっている。
論文参考訳（メタデータ） (2024-05-21T13:34:23Z)
A Novel Approach to Guard from Adversarial Attacks using Stable Diffusion [0.0]
我々の提案は、AI Guardianフレームワークに対する別のアプローチを提案する。トレーニングプロセスに敵対的な例を含める代わりに、AIシステムをトレーニングせずに行うことを提案する。これは、より広い範囲の攻撃に対して本質的に回復力のあるシステムを構築することを目的としています。
論文参考訳（メタデータ） (2024-05-03T04:08:15Z)
A Dual-Tier Adaptive One-Class Classification IDS for Emerging Cyberthreats [3.560574387648533]
2層構造を有する一級分類駆動型IDSシステムを提案する。第1層は通常の活動と攻撃/脅威を区別し、第2層は検出された攻撃が未知であるかを判定する。このモデルは、目に見えない攻撃を識別するだけでなく、目に見えない攻撃をクラスタリングすることでそれらを再トレーニングするために使用する。
論文参考訳（メタデータ） (2024-03-17T12:26:30Z)
A Review of Adversarial Attacks in Computer Vision [16.619382559756087]
敵対的攻撃は人間の目では見えないが、深層学習の誤分類につながる可能性がある。敵攻撃は、攻撃者がモデルのパラメータと勾配を知っているホワイトボックス攻撃とブラックボックス攻撃に分けられ、後者は攻撃者がモデルの入力と出力しか取得できない。
論文参考訳（メタデータ） (2023-08-15T09:43:10Z)
Invisible Backdoor Attack with Dynamic Triggers against Person Re-identification [71.80885227961015]
個人再識別(ReID)は、広範囲の現実世界のアプリケーションで急速に進展しているが、敵攻撃の重大なリスクも生じている。動的トリガー・インビジブル・バックドア・アタック(DT-IBA)と呼ばれる,ReIDに対する新たなバックドア・アタックを提案する。本研究は,提案したベンチマークデータセットに対する攻撃の有効性と盗聴性を広範囲に検証し,攻撃に対する防御手法の有効性を評価する。
論文参考訳（メタデータ） (2022-11-20T10:08:28Z)
An integrated Auto Encoder-Block Switching defense approach to prevent adversarial attacks [0.0]
逆入力サンプルに対する最先端のニューラルネットワークの脆弱性は、劇的に増大している。本稿では,自動エンコーダとブロックスイッチングアーキテクチャを組み合わせたディフェンスアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-03-11T10:58:24Z)
A Tutorial on Adversarial Learning Attacks and Countermeasures [0.0]
機械学習モデルは、それを明示的にプログラムすることなく、高精度な予測を行うことができる。敵の学習攻撃は深刻なセキュリティの脅威を引き起こす本稿では、敵対的学習の原理を詳細に解説し、異なる攻撃シナリオを説明し、この脅威に対する最先端の防御機構について深い洞察を与える。
論文参考訳（メタデータ） (2022-02-21T17:14:45Z)
Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
ネットワーク分類器に対するブラックボックス攻撃について検討する。我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
論文参考訳（メタデータ） (2021-11-23T23:42:16Z)
Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
論文参考訳（メタデータ） (2021-10-04T12:20:46Z)
Adversarial defense for automatic speaker verification by cascaded self-supervised learning models [101.42920161993455]
ますます悪意のある攻撃者は、自動話者検証(ASV)システムで敵攻撃を仕掛けようとする。本稿では,逐次的自己教師付き学習モデルに基づく標準的かつ攻撃非依存な手法を提案する。実験により, 本手法は効果的な防御性能を実現し, 敵攻撃に対抗できることを示した。
論文参考訳（メタデータ） (2021-02-14T01:56:43Z)
Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文参考訳（メタデータ） (2020-07-05T18:22:40Z)

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。