論文の概要: Magnifier: Detecting Network Access via Lightweight Traffic-based Fingerprints

• arxiv url: http://arxiv.org/abs/2412.13428v1
• Date: Wed, 18 Dec 2024 01:45:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 13:22:33.461693
• Title: Magnifier: Detecting Network Access via Lightweight Traffic-based Fingerprints
• Title（参考訳）: Magnifier: 軽量トラフィックベースフィンガープリントによるネットワークアクセスの検出
• Authors: Wenhao Li, Qiang Wang, Huaifeng Bao, Xiao-Yu Zhang, Lingyun Ying, Zhaoxuan Li,
• Abstract要約: 本稿では,モバイルデバイスネットワークアクセス検出のためのMagnifierを提案する。 Magnifierは、ゲートウェイレベルでバックボーントラフィックからアクセスパターンを受動的に推論する。 MagnifierのプロトタイプとNetCess2023データセットを公開しました。
• 参考スコア（独自算出の注目度）: 22.86294408673709
• License:
• Abstract: Network access detection plays a crucial role in global network management, enabling efficient network monitoring and topology measurement by identifying unauthorized network access and gathering detailed information about mobile devices. Existing methods for endpoint-based detection primarily rely on deploying monitoring software to recognize network connections. However, the challenges associated with developing and maintaining such systems have limited their universality and coverage in practical deployments, especially given the cost implications of covering a wide array of devices with heterogeneous operating systems. To tackle the issues, we propose Magnifier for mobile device network access detection that, for the first time, passively infers access patterns from backbone traffic at the gateway level. Magnifier's foundation is the creation of device-specific access patterns using the innovative Domain Name Forest (dnForest) fingerprints. We then employ a two-stage distillation algorithm to fine-tune the weights of individual Domain Name Trees (dnTree) within each dnForest, emphasizing the unique device fingerprints. With these meticulously crafted fingerprints, Magnifier efficiently infers network access from backbone traffic using a lightweight fingerprint matching algorithm. Our experimental results, conducted in real-world scenarios, demonstrate that Magnifier exhibits exceptional universality and coverage in both initial and repetitive network access detection in real-time. To facilitate further research, we have thoughtfully curated the NetCess2023 dataset, comprising network access data from 26 different models across 7 brands, covering the majority of mainstream mobile devices. We have also made both the Magnifier prototype and the NetCess2023 dataset publicly available\footnote{https://github.com/SecTeamPolaris/Magnifier}.
• Abstract（参考訳）: ネットワークアクセス検出はグローバルネットワーク管理において重要な役割を担い、未許可のネットワークアクセスを特定してモバイルデバイスに関する詳細な情報を集めることにより、効率的なネットワーク監視とトポロジ計測を可能にする。 エンドポイントベースの検出のための既存の方法は、主にネットワーク接続を認識するための監視ソフトウェアをデプロイすることに依存している。 しかしながら、このようなシステムの開発と保守に関わる課題は、特に多種多様なデバイスを多種多様なオペレーティングシステムでカバーすることによるコストの面で、その普遍性と実践的な展開のカバレッジを制限している。 この問題に対処するため,モバイル機器のネットワークアクセス検出のためのMagnifierを提案し,ゲートウェイレベルのバックボーントラフィックからアクセスパターンを受動的に推論する。 Magnifierの基礎は、革新的なドメイン名フォレスト(dnForest)指紋を使ったデバイス固有のアクセスパターンの作成である。 次に、各dnForest内の各ドメイン名ツリー(dnTree)の重みを微調整するために、2段階の蒸留アルゴリズムを使用し、ユニークなデバイス指紋を強調します。 これらの丁寧に作られた指紋により、Magnifierは、軽量な指紋マッチングアルゴリズムを使用して、バックボーントラフィックからネットワークアクセスを効率的に推論する。 実世界のシナリオで実施した実験の結果、Magnifierは、初期および反復的なネットワークアクセス検出をリアルタイムで行う場合に、例外的な普遍性と網羅性を示すことを示した。 さらなる研究を容易にするため、NetCess2023データセットを慎重にキュレートし、7つのブランドにわたる26の異なるモデルからネットワークアクセスデータを収集し、主流のモバイルデバイスの大部分をカバーした。 MagnifierのプロトタイプもNetCess2023データセットも公開しています。

関連論文リスト

• Locality Sensitive Hashing for Network Traffic Fingerprinting [5.062312533373298]
  ネットワークトラフィックのフィンガープリントにLSH(Locality-sensitive hashing)を用いる。 本手法は,ネットワーク内のデバイスを識別する際の精度を約94%向上し,最先端の精度を12%向上させる。
  論文  参考訳（メタデータ） (2024-02-12T21:14:37Z)
• GanFinger: GAN-Based Fingerprint Generation for Deep Neural Network Ownership Verification [8.00359513511764]
  本稿では,ネットワークの動作に基づいてネットワーク指紋を構築するために,GanFingerというネットワークフィンガープリント手法を提案する。 GanFingerは、効率性、ステルス性、差別性において最先端の技術を著しく上回っている。 指紋生成では6.57倍の速度でARUC値が0.175に向上し、相対的に約26%向上した。
  論文  参考訳（メタデータ） (2023-12-25T05:35:57Z)
• Towards a Near-real-time Protocol Tunneling Detector based on Machine Learning Techniques [0.0]
  本稿では,機械学習技術を用いて企業のネットワークトラフィックをほぼリアルタイムで検査するプロトコルトンネル検出器のプロトタイプを提案する。 検出器は暗号化されていないネットワークフローを監視し、起こりうる攻撃や異常を検出する特徴を抽出する。 その結果、全体的な精度は97.1%であり、F1スコアは95.6%である。
  論文  参考訳（メタデータ） (2023-09-22T09:08:43Z)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• A Single-Target License Plate Detection with Attention [56.83051142257412]
  ニューラルネットワークは一般にライセンスプレート検出(LPD)タスクに採用されており、パフォーマンスと精度が向上している。 LPDのような単一のオブジェクト検出タスクでは、修正された汎用オブジェクト検出は時間がかかり、複雑なシナリオや組み込みデバイスへのデプロイが困難すぎる面倒な重み付けファイルに対処できない。
  論文  参考訳（メタデータ） (2021-12-12T03:00:03Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Federated Learning for Intrusion Detection System: Concepts, Challenges and Future Directions [0.20236506875465865]
  侵入検知システムは、スマートデバイスのセキュリティとプライバシを確保する上で重要な役割を果たす。 本稿では,侵入検知システムにおけるFLの使用について,広範囲かつ徹底的に検討することを目的とする。
  論文  参考訳（メタデータ） (2021-06-16T13:13:04Z)
• Characterization and Identification of Cloudified Mobile Network Performance Bottlenecks [0.0]
  この研究は、5Gモバイルネットワークが経験できるパフォーマンスボトルネックの範囲を実験的に調査する最初の試みである。 特に,分散分析はボトルネック識別精度と帰納的計算・通信オーバーヘッドの両方において合理的に機能することがわかった。
  論文  参考訳（メタデータ） (2020-07-22T14:46:51Z)
• Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
  本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。 特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。 個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
  論文  参考訳（メタデータ） (2020-02-11T13:58:16Z)

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。