論文の概要: SmartX Intelligent Sec: A Security Framework Based on Machine Learning and eBPF/XDP

• arxiv url: http://arxiv.org/abs/2410.20244v1
• Date: Sat, 26 Oct 2024 18:17:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:20:08.400590
• Title: SmartX Intelligent Sec: A Security Framework Based on Machine Learning and eBPF/XDP
• Title（参考訳）: SmartX Intelligent Sec: マシンラーニングとeBPF/XDPに基づくセキュリティフレームワーク
• Authors: Talaya Farasat, JongWon Kim, Joachim Posegga,
• Abstract要約: 我々は,革新的なインテリジェントセキュリティフレームワークであるSmartX Intelligent Secを提案する。 SmartX Intelligent Secは、軽量拡張Berkeley Packet Filter/eXpress Data Path(eBPF/XDP)を組み合わせることで、ネットワークパケットの効率的なキャプチャと悪意のあるネットワークトラフィックのフィルタリングを実現している。 我々のリアルタイムプロトタイプは、SmartX Intelligent Secが、連続的なネットワークパケットのキャプチャ、効果的なネットワーク脅威検出、悪意のあるネットワークトラフィックの効率的なフィルタリングを可能にする、包括的な自動化機能を提供することを実証しています。
• 参考スコア（独自算出の注目度）: 0.2014089835498735
• License:
• Abstract: Information and Communication Technologies (ICT) infrastructures are becoming increasingly complex day by day, facing numerous challenges to support the latest networking paradigms. Security is undeniably a critical component for the effective functioning of these advanced ICT infrastructures. By considering the current network security challenges, we propose SmartX Intelligent Sec, an innovative intelligent security framework. SmartX Intelligent Sec leverages a combination of the lightweight extended Berkeley Packet Filter/eXpress Data Path (eBPF/XDP) for efficient network packet capturing and filtering malicious network traffic, and a Bidirectional Long Short-Term Memory (BiLSTM) classifier for network threat detection. Our real-time prototype demonstrates that SmartX Intelligent Sec offers comprehensive automation features, enabling continuous network packet capturing, effective network threat detection, and efficient filtering of malicious network traffic. This framework ensures enhanced security and operational efficiency for modern ICT infrastructures.
• Abstract（参考訳）: 情報通信技術(ICT)のインフラは日々複雑化しており、最新のネットワークパラダイムをサポートするための多くの課題に直面しています。 セキュリティは、これらの先進的なICTインフラの効果的な機能にとって、必然的に重要な要素である。 現在のネットワークセキュリティの課題を考慮し、革新的なインテリジェントセキュリティフレームワークであるSmartX Intelligent Secを提案する。 SmartX Intelligent Secは、軽量拡張バークレーパケットフィルタ/eXpressデータパス(eBPF/XDP)を組み合わせて、悪意のあるネットワークトラフィックを効率的に捕捉しフィルタリングする。 我々のリアルタイムプロトタイプは、SmartX Intelligent Secが、連続的なネットワークパケットのキャプチャ、効果的なネットワーク脅威検出、悪意のあるネットワークトラフィックの効率的なフィルタリングを可能にする、包括的な自動化機能を提供することを実証しています。 このフレームワークにより、現代のICTインフラのセキュリティと運用効率が向上する。

関連論文リスト

• Toward Mixture-of-Experts Enabled Trustworthy Semantic Communication for 6G Networks [82.3753728955968]
  本稿では,新しいMixture-of-Experts(MoE)ベースのSemComシステムを提案する。 このシステムはゲーティングネットワークと複数の専門家で構成され、それぞれ異なるセキュリティ課題に特化している。 ゲーティングネットワークは、ユーザ定義のセキュリティ要件に基づいて、異種攻撃に対抗するための適切な専門家を適応的に選択する。 車両ネットワークにおけるケーススタディは、MoEベースのSemComシステムの有効性を示す。
  論文  参考訳（メタデータ） (2024-09-24T03:17:51Z)
• Security Implications and Mitigation Strategies in MPLS Networks [0.0]
  Multiprotocol Switching (MPLS) は、長いネットワークアドレスではなく、短いパスラベルに基づいて、あるネットワークノードから別のネットワークノードへデータを転送する技術である。 本稿では,ラベルスプーフィングやトラフィックインターセプション,サービスアタックの否定など,ネットワークに関連するセキュリティへの影響について検討する。
  論文  参考訳（メタデータ） (2024-09-04T09:21:47Z)
• Distributed Swarm Learning for Edge Internet of Things [28.125744688546842]
  IoT(Internet of Things)の急速な成長により、マシンラーニングタスクのための無線エッジにスマート計算デバイスが広くデプロイされている。 本稿では,Swarmセキュリティ,非制約無線通信,プライバシ問題などのリスクについて検討する。 生物学的インテリジェンスを総合的に組み合わせて、エッジ無線ネットワークにおける大規模IoTの効率的なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-03-29T14:05:40Z)
• Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
  IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。 特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2024-03-29T12:01:31Z)
• SISSA: Real-time Monitoring of Hardware Functional Safety and Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
  本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。 具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。 広範囲な実験結果から,SISSAの有効性と有効性が確認された。
  論文  参考訳（メタデータ） (2024-02-21T03:31:40Z)
• Digital Twin-Empowered Smart Attack Detection System for 6G Edge of Things Networks [2.3464026676834813]
  6G EoTネットワークのためのディジタル双発型スマートアタック検出システムを提案する。 物理的資産をリアルタイムで監視し、シミュレートし、セキュリティを強化する。 本システムは,6G EoTネットワークのセキュリティを確保するために,積極的に脅威検出を行う。
  論文  参考訳（メタデータ） (2023-10-05T14:06:04Z)
• Enhancing Network Resilience through Machine Learning-powered Graph Combinatorial Optimization: Applications in Cyber Defense and Information Diffusion [0.0]
  この論文は、ネットワークのレジリエンスを高める効果的なアプローチの開発に焦点を当てている。 ネットワークのレジリエンスを高めるための既存のアプローチは、ネットワーク内のボトルネックノードとエッジを決定することを強調する。 この論文は、ネットワーク内のボトルネックノードとエッジを発見するための効率的で効率的でスケーラブルなテクニックを設計することを目的としている。
  論文  参考訳（メタデータ） (2023-09-22T01:48:28Z)
• XFedHunter: An Explainable Federated Learning Framework for Advanced Persistent Threat Detection in SDN [0.0]
  この研究は、Software-Defined Networking (SDN)におけるAPT検出のための説明可能なフェデレート学習フレームワークであるXFedHunterを提案する。 XFedHunterでは、悪意のある事象を効果的に明らかにするために、グラフニューラルネットワーク(GNN)とディープラーニングモデルが使用される。 NF-ToN-IoTとDARPA TCE3データセットの実験結果は、我々のフレームワークがMLベースのシステムの信頼性と説明責任を高めることを示唆している。
  論文  参考訳（メタデータ） (2023-09-15T15:44:09Z)
• 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)
• Symbolic Reinforcement Learning for Safe RAN Control [62.997667081978825]
  無線アクセスネットワーク(RAN)アプリケーションにおける安全な制御のためのシンボリック強化学習(SRL)アーキテクチャを紹介します。 本ツールでは,LTL(Linear Temporal Logic)で表現された高レベルの安全仕様を選択して,所定のセルネットワーク上で動作しているRLエージェントをシールドする。 ユーザインタフェース(ui)を用いて,ユーザがインテントの仕様をアーキテクチャに設定し,許可されたアクションとブロックされたアクションの違いを検査する。
  論文  参考訳（メタデータ） (2021-03-11T10:56:49Z)
• Cognitive Radio Network Throughput Maximization with Deep Reinforcement Learning [58.44609538048923]
  RF-CRN(Radio Frequency powered Cognitive Radio Networks)は、IoT(Internet of Things)などの最新のネットワークの目と耳である可能性が高い。 自律的と考えるには、RF駆動のネットワークエンティティは、ネットワーク環境の不確実性の下でネットワークスループットを最大化するために、ローカルで決定する必要がある。 本稿では,この欠点を克服し,無線ゲートウェイがネットワークスループットを最大化するための最適なポリシーを導出できるように,深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-07-07T01:49:07Z)

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。