論文の概要: SecureNT: A Practical Framework for Efficient Topology Protection and Monitoring

• arxiv url: http://arxiv.org/abs/2412.08177v1
• Date: Wed, 11 Dec 2024 08:07:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:00:34.223756
• Title: SecureNT: A Practical Framework for Efficient Topology Protection and Monitoring
• Title（参考訳）: SecureNT: 効率的なトポロジ保護とモニタリングのための実践的フレームワーク
• Authors: Chengze Du, Jibin Shi,
• Abstract要約: ネットワークトモグラフィーはネットワーク監視と管理において重要な役割を果たしている。 トポロジー情報は、様々な推論アルゴリズムを用いてエンドツーエンドの測定によって推測することができる。 既存の保護手法は、エンドツーエンドの遅延測定を操作してトポロジ情報を確保しようとする。 本稿では,これらの制約に対処する新しいプライバシー保護フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Network tomography plays a crucial role in network monitoring and management, where network topology serves as the fundamental basis for various tomography tasks including traffic matrix estimation and link performance inference. The topology information, however, can be inferred through end-to-end measurements using various inference algorithms, posing significant security risks to network infrastructure. While existing protection methods attempt to secure topology information by manipulating end-to-end delay measurements, they often require complex computation and sophisticated modification strategies, making real-time protection challenging. Moreover, these delay-based modifications typically render the measurements unusable for network monitoring, even by trusted users, as the manipulated delays distort the actual network performance characteristics. This paper presents a novel privacy-preserving framework that addresses these limitations. Our approach provides efficient topology protection while maintaining the utility of measurements for authorized network monitoring. Through extensive evaluation on both simulated and real-world networks topology, we demonstrate that our framework achieves superior privacy protection compared to existing methods while enabling trusted users to effectively monitor network performance. Our solution offers a practical approach for organizations to protect sensitive topology information without sacrificing their network monitoring capabilities.
• Abstract（参考訳）: ネットワークトモグラフィーは,ネットワークトモグラフィーがトラヒック行列推定やリンク性能推定などの様々なトモグラフィータスクの基礎となるネットワーク監視・管理において重要な役割を担っている。 しかし、トポロジ情報は様々な推論アルゴリズムを用いてエンドツーエンドの測定によって推測することができ、ネットワークインフラストラクチャーに重大なセキュリティリスクを生じさせる。 既存の保護手法は、エンドツーエンドの遅延測定を操作してトポロジ情報を確保しようとするが、複雑な計算と高度な修正戦略を必要とすることが多く、リアルタイムの保護は困難である。 さらに、これらの遅延ベースの修正は、操作された遅延が実際のネットワーク性能特性を歪ませるので、信頼性のあるユーザでさえ、ネットワーク監視に使用できない測定を典型的に行います。 本稿では,これらの制約に対処する新しいプライバシー保護フレームワークを提案する。 提案手法は,認証ネットワーク監視のための計測の有用性を維持しつつ,効率的なトポロジ保護を実現する。 シミュレーションと実世界のネットワークトポロジの両面での広範な評価を通じて,既存の手法に比べて優れたプライバシ保護を実現し,信頼性のあるユーザがネットワーク性能を効果的に監視できることを実証した。 私たちのソリューションは、ネットワーク監視機能を犠牲にすることなく、機密性の高いトポロジ情報を保護するための実践的なアプローチを提供します。

関連論文リスト

• Building Hybrid B-Spline And Neural Network Operators [0.0]
  制御システムはサイバー物理システム(CPS)の安全性を確保するために不可欠である 本稿では,B-スプラインの帰納バイアスとデータ駆動型ニューラルネットワークを組み合わせることで,CPS行動のリアルタイム予測を容易にする手法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T21:54:59Z)
• Seagull: Privacy preserving network verification system [0.0]
  本稿では,BGPプロトコルが管理するインターネットバックボーンの構成の正当性を検証するための新しい手法を提案する。 提案したソリューションはスケーラビリティの懸念に効果的に対処するだけでなく、堅牢なプライバシフレームワークも確立しています。
  論文  参考訳（メタデータ） (2024-02-14T05:56:51Z)
• Attention-Based Real-Time Defenses for Physical Adversarial Attacks in Vision Applications [58.06882713631082]
  ディープニューラルネットワークはコンピュータビジョンタスクにおいて優れたパフォーマンスを示すが、現実の敵攻撃に対する脆弱性は深刻なセキュリティ上の懸念を引き起こす。 本稿では、敵チャネルの注意力を利用して、浅いネットワーク層における悪意のある物体を素早く識別・追跡する、効果的な注意に基づく防御機構を提案する。 また、効率的な多フレーム防御フレームワークを導入し、防御性能と計算コストの両方を評価することを目的とした広範な実験を通じて、その有効性を検証した。
  論文  参考訳（メタデータ） (2023-11-19T00:47:17Z)
• Efficient Network Representation for GNN-based Intrusion Detection [2.321323878201932]
  過去数十年間、深刻な経済とプライバシーの被害を受けたサイバー攻撃の数が増加している。 本稿では,侵入検知タスクのトポロジ情報の提供を目的とした,フローのグラフとしての新しいネットワーク表現を提案する。 提案するグラフ構造を利用したグラフニューラルネットワーク(GNN)に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-11T16:10:12Z)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
  本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。 我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。 ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
  論文  参考訳（メタデータ） (2021-06-03T16:45:40Z)
• Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
  本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。 実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-01-28T16:38:26Z)
• Resilient Identification of Distribution Network Topology [0.0]
  本稿では,DERMSで利用可能な測定値のみに依存するネットワークTI関数を提案する。 提案手法は,ネットワークスイッチング構成と保護装置の状態を同定する。 計算負荷が低いため、このアプローチは高速トラックであり、リアルタイムアプリケーションに適用できる。
  論文  参考訳（メタデータ） (2020-11-16T14:23:56Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
  本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。 ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
  論文  参考訳（メタデータ） (2020-03-16T16:54:36Z)
• Neural Network Tomography [4.407668482702675]
  ネットワークトモグラフィーはネットワーク監視の領域における古典的な研究課題である。 NeuTomographyは、未測定のパフォーマンス指標を予測するために、ディープニューラルネットワークとデータ拡張を利用する。 NeuTomographyは、元のネットワークトポロジを再構築するために使用できる。
  論文  参考訳（メタデータ） (2020-01-09T12:19:26Z)

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。