論文の概要: Towards Autonomous Cybersecurity: An Intelligent AutoML Framework for Autonomous Intrusion Detection

• arxiv url: http://arxiv.org/abs/2409.03141v1
• Date: Thu, 5 Sep 2024 00:36:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 22:33:03.263124
• Title: Towards Autonomous Cybersecurity: An Intelligent AutoML Framework for Autonomous Intrusion Detection
• Title（参考訳）: 自律型サイバーセキュリティを目指して - 自律的侵入検知のためのインテリジェントなオートMLフレームワーク
• Authors: Li Yang, Abdallah Shami,
• Abstract要約: 本稿では,次世代ネットワークにおける自律型サイバーセキュリティの実現に向けた,自動機械学習(AutoML)に基づく自律型IDSフレームワークを提案する。 提案されたAutoMLベースのIDSは、CICIDS 2017と5G-NIDDという2つの公開ベンチマークネットワークセキュリティデータセットで評価された。 この研究は、次世代ネットワークにおける完全自律型サイバーセキュリティへの重要な一歩であり、ネットワークセキュリティアプリケーションに革命をもたらす可能性がある。
• 参考スコア（独自算出の注目度）: 21.003217781832923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid evolution of mobile networks from 5G to 6G has necessitated the development of autonomous network management systems, such as Zero-Touch Networks (ZTNs). However, the increased complexity and automation of these networks have also escalated cybersecurity risks. Existing Intrusion Detection Systems (IDSs) leveraging traditional Machine Learning (ML) techniques have shown effectiveness in mitigating these risks, but they often require extensive manual effort and expert knowledge. To address these challenges, this paper proposes an Automated Machine Learning (AutoML)-based autonomous IDS framework towards achieving autonomous cybersecurity for next-generation networks. To achieve autonomous intrusion detection, the proposed AutoML framework automates all critical procedures of the data analytics pipeline, including data pre-processing, feature engineering, model selection, hyperparameter tuning, and model ensemble. Specifically, it utilizes a Tabular Variational Auto-Encoder (TVAE) method for automated data balancing, tree-based ML models for automated feature selection and base model learning, Bayesian Optimization (BO) for hyperparameter optimization, and a novel Optimized Confidence-based Stacking Ensemble (OCSE) method for automated model ensemble. The proposed AutoML-based IDS was evaluated on two public benchmark network security datasets, CICIDS2017 and 5G-NIDD, and demonstrated improved performance compared to state-of-the-art cybersecurity methods. This research marks a significant step towards fully autonomous cybersecurity in next-generation networks, potentially revolutionizing network security applications.
• Abstract（参考訳）: 5Gから6Gへのモバイルネットワークの急速な進化は、Zero-Touch Networks (ZTNs)のような自律的なネットワーク管理システムの開発を必要としている。 しかし、これらのネットワークの複雑さと自動化が増大し、サイバーセキュリティのリスクもエスカレートした。 従来の機械学習(ML)技術を利用した既存の侵入検知システム(IDS)は、これらのリスクを軽減する効果を示してきたが、手作業や専門家の知識を必要とすることが多い。 これらの課題に対処するために,次世代ネットワークにおける自律サイバーセキュリティの実現に向けた,Automated Machine Learning (AutoML)ベースの自律IDSフレームワークを提案する。 自動侵入検出を実現するため、提案されたAutoMLフレームワークは、データ前処理、機能エンジニアリング、モデル選択、ハイパーパラメータチューニング、モデルアンサンブルを含む、データ分析パイプラインのすべての重要な手順を自動化する。 具体的には、自動データバランシングにタブラル変分自動エンコーダ(TVAE)法、自動特徴選択とベースモデル学習にツリーベースMLモデル、ハイパーパラメータ最適化にベイズ最適化(BO)法、自動モデルアンサンブルに最適化信頼ベースのスタックングアンサンブル(OCSE)法を用いる。 提案されたAutoMLベースのIDSは、CICIDS2017と5G-NIDDという2つの公開ベンチマークネットワークセキュリティデータセットで評価され、最先端のサイバーセキュリティ手法と比較してパフォーマンスが改善された。 この研究は、次世代ネットワークにおける完全自律型サイバーセキュリティへの重要な一歩であり、ネットワークセキュリティアプリケーションに革命をもたらす可能性がある。

関連論文リスト

• Extending Network Intrusion Detection with Enhanced Particle Swarm Optimization Techniques [0.0]
  本研究では,機械学習(ML)と深層学習(DL)技術を組み合わせて,ネットワーク侵入検知システム(NIDS)を改善する方法について検討する。 この研究は、CSE-CIC-IDS 2018とLITNET-2020データセットを使用して、MLメソッド(決定木、ランダムフォレスト、XGBoost)とDLモデル(CNN、RNN、DNN)を主要なパフォーマンス指標と比較する。 Decision Treeモデルでは、EPSO(Enhanced Particle Swarm Optimization)を微調整して、ネットワーク違反を効果的に検出する能力を実証した。
  論文  参考訳（メタデータ） (2024-08-14T17:11:36Z)
• Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
  AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。 コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。 本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
  論文  参考訳（メタデータ） (2024-06-22T11:17:50Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
  オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。 総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-03-21T02:33:37Z)
• L-AutoDA: Leveraging Large Language Models for Automated Decision-based Adversarial Attacks [16.457528502745415]
  L-AutoDAは、Large Language Models (LLM) の生成能力を活用して、敵攻撃の設計を自動化する新しいアプローチである。 L-AutoDAは、進化的なフレームワークでLLMと反復的に対話することにより、人間の努力を伴わずに、競合する攻撃アルゴリズムを効率的に設計する。 CIFAR-10データセットに対するL-AutoDAの有効性を実証し、成功率と計算効率の両面でベースライン法よりも大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2024-01-27T07:57:20Z)
• Zero-Touch Networks: Towards Next-Generation Network Automation [21.003217781832923]
  Zero-touch Network and Service Management (ZSM)フレームワークは、第5世代(5G)とBeyond(5G+)ネットワークの管理において、新たなパラダイムである。 ZSMフレームワークは、機械学習(ML)のような高度な技術を活用して、インテリジェントな意思決定を可能にし、人間の介入を減らす。 本稿では,ZSMフレームワーク内のゼロタッチネットワーク(ZTN)について,ネットワーク最適化,トラフィック監視,エネルギー効率,次世代ネットワークのセキュリティ面について調査する。
  論文  参考訳（メタデータ） (2023-12-07T09:21:41Z)
• Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks [68.00382171900975]
  無線エッジネットワークでは、不正に生成されたコンテンツの送信はネットワークリソースを不要に消費する可能性がある。 我々は、AIGC-as-a-serviceの概念を示し、エッジネットワークにAをデプロイする際の課題について議論する。 最適なASP選択のための深層強化学習可能なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-09T09:30:23Z)
• Anomaly Detection in Automatic Generation Control Systems Based on Traffic Pattern Analysis and Deep Transfer Learning [0.38073142980733]
  現代の高度に相互接続された電力グリッドでは、電力グリッドの安定性を維持するために自動生成制御(AGC)が不可欠である。 情報通信技術(ICT)システムへのAGCシステムの依存は、様々なサイバー攻撃に対して脆弱である。 情報フロー(IF)分析と異常検出は、サイバー攻撃者がサイバー物理的電力システムを不安定に駆動することを防ぐために最重要となった。
  論文  参考訳（メタデータ） (2022-09-16T17:52:42Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• AI-as-a-Service Toolkit for Human-Centered Intelligence in Autonomous Driving [13.575818872875637]
  本稿では,H2020 TEACHINGプロジェクトで開発されたAI-as-a-serviceツールキットの概念実証実装を提案する。 自動運転者のストレス認識アルゴリズムの出力に応じて自律運転パーソナライズシステムを実装する。
  論文  参考訳（メタデータ） (2022-02-03T15:41:43Z)
• Auto-PyTorch Tabular: Multi-Fidelity MetaLearning for Efficient and Robust AutoDL [53.40030379661183]
  Auto-PyTorchは、完全に自動化されたディープラーニング(AutoDL)を実現するフレームワーク ディープニューラルネットワーク(DNN)のウォームスタートとアンサンブルのためのマルチフィデリティ最適化とポートフォリオ構築を組み合わせる。 Auto-PyTorchは、いくつかの最先端の競合製品よりもパフォーマンスが良いことを示す。
  論文  参考訳（メタデータ） (2020-06-24T15:15:17Z)

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。