論文の概要: Interactive cybersecurity training system based on simulation environments

• arxiv url: http://arxiv.org/abs/2501.00186v1
• Date: Mon, 30 Dec 2024 23:45:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 20:43:17.044955
• Title: Interactive cybersecurity training system based on simulation environments
• Title（参考訳）: シミュレーション環境に基づくインタラクティブサイバーセキュリティトレーニングシステム
• Authors: Dmytro Tymoshchuk, Vasyl Yatskiv, Vitaliy Tymoshchuk, Nataliya Yatskiv,
• Abstract要約: この記事では、サイバーセキュリティトレーニングプロセスにシミュレーション環境を統合する可能性について説明する。 この記事では、サイバー脅威の数に基づいて、さまざまなオープンソースソフトウェアツールの実装について説明する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Rapid progress in the development of information technology has led to a significant increase in the number and complexity of cyber threats. Traditional methods of cybersecurity training based on theoretical knowledge do not provide a sufficient level of practical skills to effectively counter real threats. The article explores the possibilities of integrating simulation environments into the cybersecurity training process as an effective approach to improving the quality of training. The article presents the architecture of a simulation environment based on a cluster of KVM hypervisors, which allows creating scalable and flexible platforms at minimal cost. The article describes the implementation of various scenarios using open source software tools such as pfSense, OPNsense, Security Onion, Kali Linux, Parrot Security OS, Ubuntu Linux, Oracle Linux, FreeBSD, and others, which create realistic conditions for practical training.
• Abstract（参考訳）: 情報技術の急速な進歩は、サイバー脅威の数と複雑さを著しく増加させた。 理論的知識に基づく従来のサイバーセキュリティトレーニングの方法は、真の脅威を効果的に対処する十分なレベルの実践的スキルを提供していない。 本稿では,トレーニングの質向上に向けた効果的なアプローチとして,シミュレーション環境をサイバーセキュリティトレーニングプロセスに統合する可能性について考察する。 この記事では、KVMハイパーバイザのクラスタに基づくシミュレーション環境のアーキテクチャについて紹介する。 この記事では、pfSense、OPNsense、Security Onion、Kali Linux、Parrot Security OS、Ubuntu Linux、Oracle Linux、FreeBSDなどのオープンソースソフトウェアツールを使用して、さまざまなシナリオの実装について説明する。

関連論文リスト

• LLM Honeypot: Leveraging Large Language Models as Advanced Interactive Honeypot Systems [0.0]
  ハニーポット(Honeypot)は、攻撃者を誘惑し、相互作用させるように設計されたデコイシステムである。 我々は,大規模言語モデルを用いて,現実的でインタラクティブなハニーポットシステムを構築するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-09-12T17:33:06Z)
• Development of Cybersecurity Simulator-Based Platform for the Protection of Critical Infrastructures [0.0]
  我々は,サイバー物理システムのリアルタイムシミュレーションを用いて,CNIレジリエンスとセキュリティを強化するプラットフォームを開発している。 Vaasa Harbor Microgridで始まったこのプラットフォームは、デジタルツインとリアルタイムに機能を実行することができる。
  論文  参考訳（メタデータ） (2024-05-02T06:58:46Z)
• 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 Low-Barrier Cybersecurity Research and Education for Industrial Control Systems [1.2584276673531931]
  サイバー攻撃を自動的に起動し、データを収集し、機械学習モデルを訓練し、実用的な化学・製造プロセスを評価するためのフレームワークを開発する。 テストベッド上では,Minimal Threshold と Window SVM と呼ばれる侵入検出モデルの有効性を検証した。 その結果、MinTWin SVMは偽陽性を最小限に抑え、物理的プロセス異常に応答することを示した。
  論文  参考訳（メタデータ） (2023-08-31T14:46:05Z)
• DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to Reality [64.51295032956118]
  我々は人型ロボットの手で頑健な操作を行える政策を訓練する。 本研究は,各種ハードウェアおよびシミュレータのデクスタラス操作におけるsim-to-real転送の可能性を再確認する。
  論文  参考訳（メタデータ） (2022-10-25T01:51:36Z)
• Constrained Reinforcement Learning for Robotics via Scenario-Based Programming [64.07167316957533]
  DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。 本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。 我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
  論文  参考訳（メタデータ） (2022-06-20T07:19:38Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)
• CyGIL: A Cyber Gym for Training Autonomous Agents over Emulated Network Systems [3.2550963598419957]
  CyGILは、ネットワークサイバー操作のためのエミュレートされたRLトレーニング環境の実験ベッドである。 ステートレスな環境アーキテクチャを使用し、MITRE ATT&CKフレームワークを組み込んで、高品質なトレーニング環境を確立する。 その包括的なアクションスペースとフレキシブルなゲームデザインにより、エージェントトレーニングは特定の高度な永続脅威(APT)プロファイルに集中することができる。
  論文  参考訳（メタデータ） (2021-09-07T20:52:44Z)
• Scenic4RL: Programmatic Modeling and Generation of Reinforcement Learning Environments [89.04823188871906]
  リアルタイム戦略(RTS)環境では,多様な現実シナリオの生成が難しい。 既存のシミュレータのほとんどは環境をランダムに生成することに頼っている。 我々は、研究者を支援するために、既存の形式シナリオ仕様言語であるSCENICを採用する利点を紹介する。
  論文  参考訳（メタデータ） (2021-06-18T21:49:46Z)
• Constraints Satisfiability Driven Reinforcement Learning for Autonomous Cyber Defense [7.321728608775741]
  強化学習(RL)の防御政策の最適化と検証を目的とした新しいハイブリッド自律エージェントアーキテクチャを紹介します。 我々は、安全かつ効果的な行動に向けてRL決定を操るために、制約検証(SMT(Satisfiability modulo theory))を用いる。 シミュレーションCPS環境における提案手法の評価は,エージェントが最適方針を迅速に学習し,99%のケースで多種多様な攻撃戦略を破ることを示す。
  論文  参考訳（メタデータ） (2021-04-19T01:08:30Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)

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。