論文の概要: Li-MSD: A lightweight mitigation solution for DAO insider attack in RPL-based IoT
- arxiv url: http://arxiv.org/abs/2409.10020v1
- Date: Mon, 16 Sep 2024 06:17:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 14:28:31.990681
- Title: Li-MSD: A lightweight mitigation solution for DAO insider attack in RPL-based IoT
- Title（参考訳）: Li-MSD:RPLベースのIoTにおけるDAOインサイダー攻撃の軽量緩和ソリューション
- Authors: Abhishek Verma, Sachin Kumar Verma, Avinash Chandra Pandey, Jyoti Grover, Girish Sharma,
- Abstract要約: 本稿では、攻撃的なインサイダー攻撃者がネットワーク性能を劇的に低下させることができることを示す。
我々は「Li-MSD」と呼ばれるインサイダー攻撃の軽減のための軽量解を提案する。
シミュレーションにより,Li-MSDは文献における既存の解よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 0.8185520338218353
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Many IoT applications run on a wireless infrastructure supported by resource-constrained nodes which is popularly known as Low-Power and Lossy Networks (LLNs). Currently, LLNs play a vital role in digital transformation of industries. The resource limitations of LLNs restrict the usage of traditional routing protocols and therefore require an energy-efficient routing solution. IETF's Routing Protocol for Low-power Lossy Networks (RPL, pronounced 'ripple') is one of the most popular energy-efficient protocols for LLNs, specified in RFC 6550. In RPL, Destination Advertisement Object (DAO) control message is transmitted by a child node to pass on its reachability information to its immediate parent or root node. An attacker may exploit the insecure DAO sending mechanism of RPL to perform 'DAO insider attack' by transmitting DAO multiple times. This paper shows that an aggressive DAO insider attacker can drastically degrade network performance. We propose a Lightweight Mitigation Solution for DAO insider attack, which is termed as 'Li-MSD'. Li-MSD uses a blacklisting strategy to mitigate the attack and restore RPL performance, significantly. By using simulations, it is shown that Li-MSD outperforms the existing solution in the literature.
- Abstract（参考訳）: 多くのIoTアプリケーションは、リソース制約のあるノードによってサポートされている無線インフラストラクチャ上で動作します。
現在、LLNは産業のデジタルトランスフォーメーションにおいて重要な役割を担っている。
LLNのリソース制限は従来のルーティングプロトコルの使用を制限するため、エネルギー効率のよいルーティングソリューションを必要とする。
ローパワーロッシーネットワークのためのIETFのルーティングプロトコル(RPL)は、RFC 6550で規定されているLLNの最も一般的なエネルギー効率の高いプロトコルの1つである。
RPLでは、Destination Advertisement Object (DAO) 制御メッセージは子ノードによって送信され、その到達可能性情報をその親ノードまたはルートノードに渡す。
攻撃者は、RPLの安全でないDAO送信機構を利用して、何度もDAOを送信することで「DAOインサイダー攻撃」を行うことができる。
本稿では,攻撃的なDAOインサイダー攻撃者がネットワーク性能を劇的に低下させることができることを示す。
DAOインサイダー攻撃に対する軽量化ソリューションを提案し,これを「Li-MSD」と呼ぶ。
Li-MSDはブラックリスト戦略を使用して攻撃を緩和し、RPLのパフォーマンスを著しく回復する。
シミュレーションにより,Li-MSDは文献における既存の解よりも優れていることを示す。
関連論文リスト
- WDMoE: Wireless Distributed Large Language Models with Mixture of Experts [65.57581050707738]
我々は,Mixture of Experts (MoE)に基づく無線分散大言語モデル(LLM)パラダイムを提案する。
我々は,基地局(BS)とモバイルデバイスにゲーティングネットワークと先行するニューラルネットワーク層を配置することにより,LLM内のMoE層を分解する。
我々は、モデルの性能とエンドツーエンドのレイテンシの両方を考慮して、専門家の選択ポリシーを設計する。
論文 参考訳（メタデータ） (2024-05-06T02:55:50Z) - A Lightweight Security Solution for Mitigation of Hatchetman Attack in RPL-based 6LoWPAN [0.24578723416255752]
IoT(Internet of Things, モノのインターネット)は業界で大きく成長し、業界 4.0 の時代を生きている。
従来のルーティング手法は、限られたリソースデバイス、損失のあるリンク、遅いデータレートを持つネットワークでは効果がない。
本稿では、攻撃者が低電力・ロッシーネットワークのためのルーティングプロトコル(RPL)の非ストレージ機能を利用する場合、ネットワーク性能の大幅な低下を示す。
論文 参考訳（メタデータ） (2024-04-02T06:48:33Z) - Open RAN LSTM Traffic Prediction and Slice Management using Deep
Reinforcement Learning [7.473473066047965]
本稿では,分散深部強化学習(DDRL)を用いたORANスライシングの新しい手法を提案する。
シミュレーションの結果,ネットワーク性能が著しく向上し,特に違反の低減が図られた。
これは、動的xAppの一部として、予測rAppと分散アクターの情報を共同で使用することの重要性を強調している。
論文 参考訳（メタデータ） (2024-01-12T22:43:07Z) - A Distributed Neural Linear Thompson Sampling Framework to Achieve URLLC
in Industrial IoT [16.167107624956294]
産業用IoT(Industrial Internet of Things)ネットワークは、重要なプロセスをサポートするために、ウルトラ信頼性の低い低レイテンシ通信(URLLC)を提供する。
無線リソースを割り当てるための標準プロトコルは、特にアップリンク通信において、レイテンシと信頼性のトレードオフを最適化しない可能性がある。
論文 参考訳（メタデータ） (2023-11-21T12:22:04Z) - Flexible Payload Configuration for Satellites using Machine Learning [33.269035910233704]
現在のGEOシステムは、周波数使用率の少ないマルチビームフットプリントを用いて、ビームに電力と帯域幅を均一に分散している。
近年の研究では、不均一な交通シナリオにおけるこのアプローチの限界が明らかにされており、非効率性につながっている。
本稿では、無線リソース管理(RRM)に対する機械学習(ML)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2023-10-18T13:45:17Z) - Power and Interference Control for VLC-Based UDN: A Reinforcement
Learning Approach [10.576175218005046]
可視光通信(VLC)ネットワークの容量を拡大するために、超高密度ネットワーク(UDN)技術を採用することができる。
細胞の配置は、ICIを緩和するために空間的再利用によって最適化される。
電力と干渉制御の方針を動的に最適化するRLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-03-09T17:46:13Z) - Fair and Efficient Distributed Edge Learning with Hybrid Multipath TCP [62.81300791178381]
無線による分散エッジ学習のボトルネックは、コンピューティングから通信へと移行した。
DEL用の既存のTCPベースのデータネットワークスキームは、アプリケーションに依存しず、アプリケーション層要求に応じて調整を施さない。
DELのためのモデルベースと深部強化学習(DRL)に基づくMP TCPを組み合わせたハイブリッドマルチパスTCP(MP TCP)を開発した。
論文 参考訳（メタデータ） (2022-11-03T09:08:30Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - State-Augmented Learnable Algorithms for Resource Management in Wireless
Networks [124.89036526192268]
本稿では,無線ネットワークにおける資源管理問題を解決するためのステート拡張アルゴリズムを提案する。
提案アルゴリズムは, RRM決定を可能, ほぼ最適に行うことができることを示す。
論文 参考訳（メタデータ） (2022-07-05T18:02:54Z) - Computation Offloading and Resource Allocation in F-RANs: A Federated
Deep Reinforcement Learning Approach [67.06539298956854]
フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
論文 参考訳（メタデータ） (2022-06-13T02:19:20Z) - Adversarial Attacks on Deep Learning Based Power Allocation in a Massive
MIMO Network [62.77129284830945]
本稿では,大規模なマルチインプット・マルチアウトプット(MAMIMO)ネットワークのダウンリンクにおいて,逆攻撃がDLベースの電力割り当てを損なう可能性があることを示す。
我々はこれらの攻撃のパフォーマンスをベンチマークし、ニューラルネットワーク(NN)の入力に小さな摂動がある場合、ホワイトボックス攻撃は最大86%まで実現不可能な解決策をもたらすことを示した。
論文 参考訳（メタデータ） (2021-01-28T16:18:19Z)
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。