論文の概要: Resilience of Networks to Spreading Computer Viruses: Optimal Anti-Virus Deployment (Extended Version)

• arxiv url: http://arxiv.org/abs/2412.13911v1
• Date: Wed, 18 Dec 2024 14:52:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 13:22:33.940588
• Title: Resilience of Networks to Spreading Computer Viruses: Optimal Anti-Virus Deployment (Extended Version)
• Title（参考訳）: コンピュータウイルスを拡散するネットワークのレジリエンス:最適なアンチウイルス展開(拡張版)
• Authors: Jhonatan Tavori, Hanoch Levy,
• Abstract要約: アンチウイルスソフトウェアは、コンピュータネットワーク上でのコンピュータウイルスやワームの伝播を防ぎ、制御するための一般的な戦略である。 ウイルスの拡散を阻止するネットワークの能力に抗ウイルス展開戦略が及ぼす影響について検討した。
• 参考スコア（独自算出の注目度）: 2.5782420501870296
• License:
• Abstract: Deployment of anti-virus software is a common strategy for preventing and controlling the propagation of computer viruses and worms over a computer network. As the deployment of such programs is often limited due to monetary or operational costs, devising optimal strategies for their allocation and deployment can be of high value to the operation, performance, and resilience of the target networks. We study the effects of anti-virus deployment (i.e., "vaccination") strategies on the ability of a network to block the spread of a virus. Such ability is obtained when the network reaches "herd immunity", achieved when a large fraction of the network entities is immune to the infection, which provides protection even for entities which are not immune. We use a model that explicitly accounts for the inherent heterogeneity of network nodes activity and derive optimal strategies for anti-virus deployment. Numerical evaluations demonstrate that the system performance is very sensitive to the chosen strategy, and thus strategies which disregard the heterogeneous spread nature may perform significantly worse relatively to those derived in this work.
• Abstract（参考訳）: アンチウイルスソフトウェアのデプロイは、コンピュータネットワーク上でのコンピュータウイルスやワームの伝播を防ぎ、制御するための一般的な戦略である。 このようなプログラムの展開は、金銭的あるいは運用上のコストによって制限されることが多いため、それらの割り当てと展開のための最適な戦略を考案することは、ターゲットネットワークの運用、性能、レジリエンスに高い価値をもたらす可能性がある。 ウイルスの拡散を阻止するネットワークの能力に対する抗ウイルス(すなわち「予防接種」)戦略の効果について検討した。 このような能力は、ネットワークが「自己免疫」に達すると得られ、ネットワーク実体の大多数が感染に免疫があるときに達成される。 我々は,ネットワークノードの活動の固有不均一性を明示的に説明し,アンチウイルス展開のための最適な戦略を導出するモデルを用いている。 数値評価により, システム性能は選択した戦略に非常に敏感であり, 不均一な拡散特性を無視する戦略は, 本研究で導出された戦略に比べて有意に悪化する可能性が示唆された。

関連論文リスト

• Opponent Shaping for Antibody Development [49.26728828005039]
  抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。 治療によって誘導される選択的圧力はウイルスに作用し、変異株の出現を誘導し、初期治療が効果を低下させる。 我々は、ウイルスの進化的脱出の遺伝的シミュレーションを実装するために、抗体とウイルス抗原の結合の計算モデルを構築した。
  論文  参考訳（メタデータ） (2024-09-16T14:56:27Z)
• Leveraging Reinforcement Learning in Red Teaming for Advanced Ransomware Attack Simulations [7.361316528368866]
  本稿では,ランサムウェア攻撃のシミュレーションに強化学習(RL)を利用する新しい手法を提案する。 実世界のネットワークを模倣するシミュレーション環境でRLエージェントを訓練することにより、効果的な攻撃戦略を迅速に学習することができる。 152ホストのサンプルネットワークの実験結果から,提案手法の有効性が確認された。
  論文  参考訳（メタデータ） (2024-06-25T14:16:40Z)
• EGAN: Evolutional GAN for Ransomware Evasion [0.0]
  敵の訓練は、敵のマルウェアに対する防御戦略として証明されている。 この研究は、この制限に対処する攻撃フレームワークEGANを提案する。
  論文  参考訳（メタデータ） (2024-05-20T17:52:40Z)
• Adaptive Artificial Immune Networks for Mitigating DoS flooding Attacks [13.580747080271825]
  本稿では, サービスアタックの否定を緩和するための人工免疫システムを提案する。 このアプローチは、監視環境の要求に合った分散センサーのネットワークを構築することに基づいている。
  論文  参考訳（メタデータ） (2024-02-12T15:26:37Z)
• Optimal Control of Malware Propagation in IoT Networks [5.761202124246859]
  最近のデータによると、このような攻撃の数は100%以上増加している。 この攻撃を緩和するためには、新しいパッチを直ちに適用する必要がある。 本稿では,新たなパッチが適用される前に,サイバー攻撃を緩和する方法について述べる。
  論文  参考訳（メタデータ） (2024-01-20T01:22:28Z)
• Mutual-modality Adversarial Attack with Semantic Perturbation [81.66172089175346]
  本稿では,相互モダリティ最適化スキームにおける敵攻撃を生成する新しい手法を提案する。 我々の手法は最先端の攻撃方法より優れており、プラグイン・アンド・プレイ・ソリューションとして容易にデプロイできる。
  論文  参考訳（メタデータ） (2023-12-20T05:06:01Z)
• FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning [98.43475653490219]
  フェデレート・ラーニング(Federated Learning, FL)は、毒素による攻撃を受けやすい。 FreqFedは、モデルの更新を周波数領域に変換する新しいアグリゲーションメカニズムである。 FreqFedは, 凝集モデルの有用性に悪影響を及ぼすことなく, 毒性攻撃を効果的に軽減できることを実証した。
  論文  参考訳（メタデータ） (2023-12-07T16:56:24Z)
• Graph Agent Network: Empowering Nodes with Inference Capabilities for Adversarial Resilience [50.460555688927826]
  グラフニューラルネットワーク(GNN)の脆弱性に対処するグラフエージェントネットワーク(GAgN)を提案する。 GAgNはグラフ構造化エージェントネットワークであり、各ノードは1-hop-viewエージェントとして設計されている。 エージェントの限られたビューは、悪意のあるメッセージがGAgNでグローバルに伝播するのを防ぎ、グローバル最適化ベースのセカンダリアタックに抵抗する。
  論文  参考訳（メタデータ） (2023-06-12T07:27:31Z)
• CONTAIN: A Community-based Algorithm for Network Immunization [0.46289929100614996]
  本研究では,ネットワークImmuNizationのための新しいCOmmuNiTyベースのアルゴリズムである containingを提案する。 本ソリューションでは,(1)有害なコンテンツスプレッドラーを検出するためにネットワーク情報を使用し,(2)分割を生成し,各スプレッドラーによって誘導されるサブグラフを用いて,それらをランク付けする。 実世界のデータセットで得られた実験結果は、その内容が最先端のソリューションより優れていることを示している。
  論文  参考訳（メタデータ） (2023-03-03T14:04:50Z)
• GUARD: Graph Universal Adversarial Defense [54.81496179947696]
  GUARD(Graph Universal Adversarial Defense)という,シンプルで効果的な手法を提案する。 GUARDは、各ノードを共通の防御パッチで攻撃から保護する。 GUARDは、複数の敵攻撃に対する複数の確立されたGCNの堅牢性を大幅に改善し、最先端の防御手法を大きなマージンで上回る。
  論文  参考訳（メタデータ） (2022-04-20T22:18:12Z)
• Adversarial Immunization for Certifiable Robustness on Graphs [47.957807368630995]
  グラフニューラルネットワーク(GNN)は、他のディープラーニングモデルと同様、敵攻撃に対して脆弱である。 本研究では, グラフ対免疫問題,すなわち, 接続あるいは非接続の安価なノード対をワクチン接種することで, 許容可能な攻撃に対するグラフの堅牢性を向上させることを提案する。
  論文  参考訳（メタデータ） (2020-07-19T10:41:10Z)

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。