論文の概要: RITA: Automatic Framework for Designing of Resilient IoT Applications
- arxiv url: http://arxiv.org/abs/2411.18324v1
- Date: Wed, 27 Nov 2024 13:24:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-28 15:28:36.452564
- Title: RITA: Automatic Framework for Designing of Resilient IoT Applications
- Title（参考訳）: RITA: 回復力のあるIoTアプリケーション設計のためのフレームワーク
- Authors: Luis Eduardo Pessoa, Cristovao Freitas Iglesias Jr, Claudio Miceli,
- Abstract要約: 我々は,RoBERTaをベースとした名前付きエンティティ認識(NER)モデルを用いた,オープンソースのフレームワークRITAを提案する。
RITAは完全にオフラインで動作し、オンサイトに配置され、機密情報を保護できる。
経験的評価では, RITAは7つのICOカテゴリのうち4つでChatGPTを上回った。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Designing resilient Internet of Things (IoT) systems requires i) identification of IoT Critical Objects (ICOs) such as services, devices, and resources, ii) threat analysis, and iii) mitigation strategy selection. However, the traditional process for designing resilient IoT systems is still manual, leading to inefficiencies and increased risks. In addition, while tools such as ChatGPT could support this manual and highly error-prone process, their use raises concerns over data privacy, inconsistent outputs, and internet dependence. Therefore, we propose RITA, an automated, open-source framework that uses a fine-tuned RoBERTa-based Named Entity Recognition (NER) model to identify ICOs from IoT requirement documents, correlate threats, and recommend countermeasures. RITA operates entirely offline and can be deployed on-site, safeguarding sensitive information and delivering consistent outputs that enhance standardization. In our empirical evaluation, RITA outperformed ChatGPT in four of seven ICO categories, particularly in actuator, sensor, network resource, and service identification, using both human-annotated and ChatGPT-generated test data. These findings indicate that RITA can improve resilient IoT design by effectively supporting key security operations, offering a practical solution for developing robust IoT architectures.
- Abstract（参考訳）: レジリエントなモノのインターネット(IoT)システムを設計するには
一 サービス、装置及び資源等のIoTクリティカルオブジェクト(ICO)の識別
二 脅威分析、及び
三 緩和戦略選択
しかしながら、レジリエントなIoTシステムを設計する従来のプロセスはまだ手作業であり、非効率性とリスクの増加につながります。
さらに、ChatGPTのようなツールは、この手動で非常にエラーを起こしやすいプロセスをサポートすることができるが、その使用はデータのプライバシ、一貫性のない出力、インターネット依存に対する懸念を高める。
そこで、我々は、細調整されたRoBERTaベースの名前付きエンティティ認識(NER)モデルを使用して、IoT要求文書からICOを識別し、脅威を関連付け、対策を推奨する、自動化されたオープンソースフレームワークであるRITAを提案する。
RITAは完全にオフラインで動作し、オンサイトに配置され、機密情報を保護し、標準化を強化する一貫した出力を提供する。
実験的な評価において, RITAは, アクタ, センサ, ネットワークリソース, サービス識別の7つのICOカテゴリのうち4つでChatGPTを上回った。
これらの結果は、RITAが重要なセキュリティ操作を効果的にサポートし、堅牢なIoTアーキテクチャを開発するための実用的なソリューションを提供することで、レジリエントなIoT設計を改善することができることを示している。
関連論文リスト
- Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳（メタデータ） (2023-09-14T05:43:36Z) - An Architectural Design Decision Model for Resilient IoT Application [0.0]
IoTアプリケーションの可用性に影響を及ぼす脅威は、財政的にも、ユーザの物理的な整合性の安全のためにも重要です。
この機能は、運用を継続し、潜在的脅威を効率的に処理するIoTアプリケーションを要求する。
レジリエントなIoTアプリケーションのためのアーキテクチャ設計決定モデルが提示され、ステークホルダの難しさが軽減される。
論文 参考訳（メタデータ） (2023-06-17T21:44:07Z) - 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) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳（メタデータ） (2022-12-21T03:37:38Z) - Software-Defined Edge Computing: A New Architecture Paradigm to Support
IoT Data Analysis [21.016796500957977]
本稿では,IoTデータの特徴,IoTネットワークアーキテクチャの動向,IoTデータ解析の問題点,その解決方法について紹介する。
具体的には、ソフトウェア定義エッジコンピューティングは、IoTデータ分析のユニークなニーズをサポートする有望なアーキテクチャであると考えています。
論文 参考訳（メタデータ） (2021-04-22T11:19:20Z) - Autonomous Maintenance in IoT Networks via AoI-driven Deep Reinforcement
Learning [73.85267769520715]
IoT(Internet of Things)は、デプロイされるデバイスやアプリケーションの数の増加とともに、ネットワークのメンテナンス手順に大きな課題をもたらしている。
部分観測可能なマルコフ決定プロセスとして,IoTネットワークにおける自律的メンテナンスの問題を定式化する。
深層強化学習アルゴリズム (drl) を用いて, 保守手順が整っているか否かを判断するエージェントを訓練し, 前者の場合, 適切なメンテナンス方法が必要となる。
論文 参考訳（メタデータ） (2020-12-31T11:19:51Z) - Optimizing Resource-Efficiency for Federated Edge Intelligence in IoT
Networks [96.24723959137218]
We study a edge intelligence-based IoT network that a set of edge server learn a shared model using federated learning (FL)。
フェデレーションエッジインテリジェンス(FEI)と呼ばれる新しいフレームワークを提案し、エッジサーバがIoTネットワークのエネルギーコストに応じて必要なデータサンプル数を評価できるようにする。
提案アルゴリズムがIoTネットワークのトポロジ的情報を漏洩したり開示したりしないことを示す。
論文 参考訳（メタデータ） (2020-11-25T12:51:59Z) - Zero-Bias Deep Learning for Accurate Identification of Internet of
Things (IoT) Devices [20.449229983283736]
物理層信号を用いたIoTデバイス識別のための拡張ディープラーニングフレームワークを提案する。
航空におけるIoTの応用であるADS-B(Automatic Dependent Surveillance-Broadcast)の実データを用いて,提案手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-08-27T20:50:48Z) - Machine learning and data analytics for the IoT [8.39035688352917]
機械学習解析におけるIoT生成データの処理方法について概観する。
我々は、IoTアプリケーションが他のIoTアプリケーションから適応的に学習できるフレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-30T07:38:31Z) - IoT Behavioral Monitoring via Network Traffic Analysis [0.45687771576879593]
この論文は、IoTのネットワーク行動パターンをプロファイリングする技術を開発する上で、私たちの努力の成果である。
我々は、交通パターンの属性で訓練された、堅牢な機械学習ベースの推論エンジンを開発する。
99%以上の精度で28台のIoTデバイスのリアルタイム分類を実演する。
論文 参考訳（メタデータ） (2020-01-28T23:13:12Z)
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。