論文の概要: The Adoption of Artificial Intelligence in Different Network Security Concepts

• arxiv url: http://arxiv.org/abs/2502.03398v1
• Date: Wed, 05 Feb 2025 17:32:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-06 14:26:15.835863
• Title: The Adoption of Artificial Intelligence in Different Network Security Concepts
• Title（参考訳）: 異なるネットワークセキュリティ概念における人工知能の活用
• Authors: Mamoon A. Al Jbaar, Adel Jalal Yousif, Qutaiba I. Ali,
• Abstract要約: 信頼性の高いネットワークセキュリティのために、自動監査とインテリジェントな報告戦略の必要性が高まっている。 この研究の目的は、最近ネットワークセキュリティの分野で使われている人工知能の最も顕著な手法を提示し、議論することである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The obstacles of each security system combined with the increase of cyber-attacks, negatively affect the effectiveness of network security management and rise the activities to be taken by the security staff and network administrators. So, there is a growing need for the automated auditing and intelligent reporting strategies for reliable network security with as less model complexity as possible. Newly, artificial intelligence has been effectively applied to various network security issues, and numerous studies have been conducted that utilize various artificial intelligence techniques for the purposes of encryption and secure communication, in addition to using artificial intelligence to perform a large number of data encryption operations in record time. The aim of the study is to present and discuss the most prominent methods of artificial intelligence recently used in the field of network security including user authentication, Key exchanging, encryption/decryption, data integrity and intrusion detection system.
• Abstract（参考訳）: 各セキュリティシステムの障害は、サイバー攻撃の増加と相まって、ネットワークセキュリティ管理の有効性に悪影響を及ぼし、セキュリティスタッフやネットワーク管理者が受ける活動を増加させる。 したがって、信頼性の高いネットワークセキュリティのための自動化監査とインテリジェントな報告戦略は、可能な限りモデルの複雑さを減らして、ますます必要とされています。 最近では、人工知能が様々なネットワークセキュリティ問題に効果的に適用され、多数のデータ暗号化操作を記録時間で行うことに加えて、暗号化とセキュアな通信のために様々な人工知能技術を利用する多くの研究がなされている。 本研究の目的は、ユーザ認証、鍵交換、暗号化/復号化、データの完全性、侵入検知システムなど、最近ネットワークセキュリティの分野で使われている人工知能の最も顕著な手法を提示し、議論することである。

関連論文リスト

• Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
  特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。 本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
  論文  参考訳（メタデータ） (2025-01-09T03:59:10Z)
• Collaborative Approaches to Enhancing Smart Vehicle Cybersecurity by AI-Driven Threat Detection [0.0]
  自動車産業はコネクテッド・アンド・オートマチック・カー(CAV)をますます採用している 新しい脆弱性とセキュリティ要件の出現により、高度な技術の統合は、CAVサイバーセキュリティを強化するための有望な道を示す。 自動運転車におけるサイバーセキュリティのロードマップは、効率的な侵入検知システムとAIベースの技術の重要性を強調している。
  論文  参考訳（メタデータ） (2024-12-31T04:08:42Z)
• Automated Cybersecurity Compliance and Threat Response Using AI, Blockchain & Smart Contracts [0.36832029288386137]
  人工知能(AI)、ブロックチェーン、スマートコントラクトを統合する新しいフレームワークを提案する。 本稿では,セキュリティポリシの実施を自動化し,手作業や潜在的なヒューマンエラーを減らすシステムを提案する。
  論文  参考訳（メタデータ） (2024-09-12T20:38:14Z)
• AI-Driven Chatbot for Intrusion Detection in Edge Networks: Enhancing Cybersecurity with Ethical User Consent [1.3643061988716354]
  本稿では,侵入検知に特化してエッジネットワーク内のセキュリティを高めるアーキテクチャを提案する。 Raspberry Piモジュールが管理するエッジネットワークを用いてネットワーク環境をセキュアにすることで、機密データを保護し、安全な職場を維持することを目指している。
  論文  参考訳（メタデータ） (2024-08-08T07:39:23Z)
• Advancing Security in AI Systems: A Novel Approach to Detecting Backdoors in Deep Neural Networks [3.489779105594534]
  バックドアは、ディープニューラルネットワーク(DNN)上の悪意あるアクターと、データ処理のためのクラウドサービスによって悪用される。 提案手法は高度テンソル分解アルゴリズムを利用して,事前学習したDNNの重みを慎重に解析し,バックドアモデルとクリーンモデルとの区別を行う。 この進歩は、ネットワークシステムにおけるディープラーニングとAIのセキュリティを強化し、新興技術の脅威の進化に対して不可欠なサイバーセキュリティを提供する。
  論文  参考訳（メタデータ） (2024-03-13T03:10:11Z)
• Towards Automated Classification of Attackers' TTPs by combining NLP with ML Techniques [77.34726150561087]
  我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。 本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-18T09:59:21Z)
• Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop at AAAI 2022 [55.573187938617636]
  ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。 サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
  論文  参考訳（メタデータ） (2022-02-28T18:27:41Z)
• 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)
• 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)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)
• A Review of Computer Vision Methods in Network Security [11.380790116533912]
  ネットワークセキュリティはこれまで以上に重要な領域となっている。 従来の機械学習手法は、ネットワークセキュリティの文脈で頻繁に用いられてきた。 近年、コンピュータビジョンの驚異的な成長は、主に畳み込みニューラルネットワークの領域の進歩によって引き起こされた。
  論文  参考訳（メタデータ） (2020-05-07T08:29:11Z)

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。