Fugu-MT 論文翻訳(概要): Adaptive Optimization of TLS Overhead for Wireless Communication in Critical Infrastructure

論文の概要: Adaptive Optimization of TLS Overhead for Wireless Communication in Critical Infrastructure

arxiv url: http://arxiv.org/abs/2411.01971v1
Date: Mon, 04 Nov 2024 10:48:38 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-05 14:45:50.333972
Title: Adaptive Optimization of TLS Overhead for Wireless Communication in Critical Infrastructure
Title（参考訳）: 臨界インフラにおける無線通信のためのTLSオーバヘッドの適応最適化
Authors: Jörn Bodenhausen, Laurenz Grote, Michael Rademacher, Martin Henze,
Abstract要約: TLSは、リソースに制約のあるデバイスや、重要なインフラストラクチャで広く使われているネットワークに対して、大きなオーバーヘッドをもたらす。我々はTLSの設定の自由度を利用してアルゴリズム、パラメータ、その他の設定を動的に適用することを提案する。
参考スコア（独自算出の注目度）: 2.479074862022315
License:
Abstract: With critical infrastructure increasingly relying on wireless communication, using end-to-end security such as TLS becomes imperative. However, TLS introduces significant overhead for resource-constrained devices and networks prevalent in critical infrastructure. In this paper, we propose to leverage the degrees of freedom in configuring TLS to dynamically adapt algorithms, parameters, and other settings to best meet the currently occurring resource and security constraints in a wireless communication scenario. Consequently, we can make the best use of scarce resources to provide tightened security for wireless networks in critical infrastructure.
Abstract（参考訳）: 重要なインフラがますます無線通信に依存しているため、TLSのようなエンドツーエンドセキュリティの利用は必須となる。しかし、TLSはリソース制限されたデバイスや重要なインフラで広く使われているネットワークに重大なオーバーヘッドをもたらす。本稿では,TLSの設定の自由度を利用してアルゴリズム,パラメータ,その他の設定を動的に適用し,無線通信シナリオにおける現在のリソースやセキュリティの制約を最大限に満たす方法を提案する。その結果、重要なインフラにおける無線ネットワークのセキュリティ強化のために、不足するリソースを最大限に活用することができる。

関連論文リスト

Adaptive Lightweight Security for Performance Efficiency in Critical Healthcare Monitoring [1.1874952582465603]
IoT(Internet of Things, モノのインターネット)とその多様な技術は、将来の医療システムにとって不可欠なコンポーネントになっている。進化する医療パラダイムは、IoTデバイスのさまざまなリソース制約に適応可能な、適応的なセキュリティ手順とテクノロジを必要とする。この記事では、ユニークな医療監視要件を提起し、必要なセキュリティを提供するために、既存の暗号化ベースのセキュリティアプローチを研究します。
論文参考訳（メタデータ） (2024-06-06T06:55:16Z)
WirelessLLM: Empowering Large Language Models Towards Wireless Intelligence [16.722524706176767]
大規模言語モデル(LLM)は、無線通信システムに革命をもたらす可能性への関心を喚起している。無線システム用LLMの既存の研究は、通信言語理解の直接的な応用に限られている。本稿では,無線通信ネットワークのユニークな課題と要件に対処するため,LLMの適応と拡張のための総合的なフレームワークである WirelessLLM を提案する。
論文参考訳（メタデータ） (2024-05-27T11:18:25Z)
Securing Wireless Communication in Critical Infrastructure: Challenges and Opportunities [2.0766068042442174]
重要なインフラにおける無線通信は、ユニークなセキュリティ課題を引き起こす。我々は、重要なインフラにおける無線通信の利用による最も関連性の高い課題を特定する。これらを使用して、重要なインフラストラクチャの高度なセキュリティ標準を維持するための有望な機会を特定します。
論文参考訳（メタデータ） (2023-11-02T15:48:05Z)
A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication [53.78269720999609]
生成AIアプリケーションは、多彩で高品質なAI生成コンテンツ(AIGC)を作成することで、最近、膨大なユーザーベースに対応している。無線ネットワークにおいて、不安定なチャネル、限られた帯域幅リソース、不均一に分散された計算リソースを備えた適切なAIGCサービスを提供するのは難しい。本稿では,セマンティック通信(SemCom)を利用したAIGC(SemAIGC)の生成と伝送フレームワークを提案する。
論文参考訳（メタデータ） (2023-10-26T18:05:22Z)
Adaptive Services Function Chain Orchestration For Digital Health Twin Use Cases: Heuristic-boosted Q-Learning Approach [2.3513645401551333]
デジタルツイン(Digital Twin, DT)は、医療部門で活用および展開するための重要な技術である。しかし、このようなアプリケーションに直面する主な課題は、健康データ共有ポリシーの厳格化、高性能ネットワーク要件、インフラストラクチャリソースの制限などである。フレキシブルで動的なコンテナスケジューリングのために、マルチノードのクラスタメッシュインフラストラクチャの上にCloud-Native Networkオーケストレータを定義します。
論文参考訳（メタデータ） (2023-04-25T14:25:08Z)
Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
論文参考訳（メタデータ） (2022-04-28T09:26:14Z)
Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
論文参考訳（メタデータ） (2021-11-11T11:31:20Z)
Intelligent Zero Trust Architecture for 5G/6G Tactical Networks: Principles, Challenges, and the Role of Machine Learning [4.314956204483074]
課題を強調し,信頼できないコンポーネントを持つ5G/6Gネットワークのセキュリティフレームワークとして,インテリジェントゼロ信頼アーキテクチャ(i-ZTA)の概念を導入する。本稿では,現代の人工知能(AI)アルゴリズムを開発して,信頼できないネットワークにおける情報セキュリティを提供するi-ZTAのアーキテクチャ設計について述べる。
論文参考訳（メタデータ） (2021-05-04T13:14:29Z)
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)
Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
論文参考訳（メタデータ） (2020-07-06T13:59:09Z)
Deep Learning for Radio Resource Allocation with Diverse Quality-of-Service Requirements in 5G [53.23237216769839]
本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
論文参考訳（メタデータ） (2020-03-29T04:48:22Z)

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。