論文の概要: A Novel Zero-Touch, Zero-Trust, AI/ML Enablement Framework for IoT Network Security

• arxiv url: http://arxiv.org/abs/2502.03614v1
• Date: Wed, 05 Feb 2025 21:03:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:34:16.471718
• Title: A Novel Zero-Touch, Zero-Trust, AI/ML Enablement Framework for IoT Network Security
• Title（参考訳）: IoTネットワークセキュリティのための新しいゼロタッチ、ゼロトラスト、AI/ML実現フレームワーク
• Authors: Sushil Shakya, Robert Abbas, Sasa Maric,
• Abstract要約: 本稿では,現在のIoTエコシステムにおけるDDoS攻撃の検出,緩和,防止に有効なZero Trust,Zero Touch,AI/MLの統合に基づく,新たなフレームワークを提案する。 すべてのIoTトラフィック、固定およびモバイル5G/6GIoTネットワークトラフィック、データセキュリティのゼロ信頼を確立することで、新たな統合フレームワークに注力する予定である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The IoT facilitates a connected, intelligent, and sustainable society; therefore, it is imperative to protect the IoT ecosystem. The IoT-based 5G and 6G will leverage the use of machine learning and artificial intelligence (ML/AI) more to pave the way for autonomous and collaborative secure IoT networks. Zero-touch, zero-trust IoT security with AI and machine learning (ML) enablement frameworks offers a powerful approach to securing the expanding landscape of Internet of Things (IoT) devices. This paper presents a novel framework based on the integration of Zero Trust, Zero Touch, and AI/ML powered for the detection, mitigation, and prevention of DDoS attacks in modern IoT ecosystems. The focus will be on the new integrated framework by establishing zero trust for all IoT traffic, fixed and mobile 5G/6G IoT network traffic, and data security (quarantine-zero touch and dynamic policy enforcement). We perform a comparative analysis of five machine learning models, namely, XGBoost, Random Forest, K-Nearest Neighbors, Stochastic Gradient Descent, and Native Bayes, by comparing these models based on accuracy, precision, recall, F1-score, and ROC-AUC. Results show that the best performance in detecting and mitigating different DDoS vectors comes from the ensemble-based approaches.
• Abstract（参考訳）: IoTはコネクテッドでインテリジェントで持続可能な社会を促進するため、IoTエコシステムを保護することが不可欠である。 IoTベースの5Gと6Gは、機械学習と人工知能(ML/AI)をより活用して、自律的で協調的なIoTネットワークを実現する。 AIと機械学習(ML)の実現フレームワークによるゼロタッチでゼロトラストのIoTセキュリティは、IoT(Internet of Things)デバイスの拡大する状況を確保するための強力なアプローチを提供する。 本稿では,現在のIoTエコシステムにおけるDDoS攻撃の検出,緩和,防止に有効なZero Trust,Zero Touch,AI/MLの統合に基づく,新たなフレームワークを提案する。 新たな統合フレームワークは、すべてのIoTトラフィック、固定およびモバイル5G/6GIoTネットワークトラフィック、データセキュリティ(認証ゼロタッチと動的ポリシー執行)に対するゼロ信頼を確立することで、新たな統合フレームワークに重点を置いている。 XGBoost、Random Forest、K-Nearest Neighbors、Stochastic Gradient Descent、Native Bayesの5つの機械学習モデルの比較分析を行い、これらのモデルを精度、精度、リコール、F1スコア、ROC-AUCに基づいて比較した。 その結果、異なるDDoSベクトルの検出と緩和における最高のパフォーマンスは、アンサンブルベースのアプローチによるものであることが判明した。

関連論文リスト

• IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
  IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。 機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。 IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
  論文  参考訳（メタデータ） (2024-07-13T08:20:37Z)
• Zero-X: A Blockchain-Enabled Open-Set Federated Learning Framework for Zero-Day Attack Detection in IoV [5.176552248390308]
  インターネット・オブ・ビークルズ (Internet of Vehicles, IoV) は、インテリジェントトランスポーテーション・システムズ (ITS) にとって重要な技術である。 接続が拡大するにつれ、サイバーセキュリティの脅威が懸念されている。 0日とN日の攻撃を効果的に検出する革新的なセキュリティフレームワークであるZero-Xを提案する。
  論文  参考訳（メタデータ） (2024-07-03T10:06:15Z)
• zk-IoT: Securing the Internet of Things with Zero-Knowledge Proofs on Blockchain Platforms [0.0]
  本稿では,IoT(Internet of Things)エコシステムのセキュリティ向上のための新しいアプローチとして,zk-IoTフレームワークを紹介する。 我々のフレームワークは、潜在的に侵害されたIoTデバイスにおけるファームウェアの実行とデータ処理の完全性を保証する。
  論文  参考訳（メタデータ） (2024-02-13T09:34:23Z)
• 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)
• MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
  次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。 運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。 既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。 本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
  論文  参考訳（メタデータ） (2023-11-10T18:13:08Z)
• Towards Artificial General Intelligence (AGI) in the Internet of Things (IoT): Opportunities and Challenges [55.82853124625841]
  人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。 本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。 AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
  論文  参考訳（メタデータ） (2023-09-14T05:43:36Z)
• Harris Hawks Feature Selection in Distributed Machine Learning for Secure IoT Environments [8.690178186919635]
  IoT(Internet of Things)アプリケーションは、機密データを収集および転送することができる。 ハックされたIoTデバイスを検出する新しい方法を開発する必要がある。 本稿では,Hhson Hawks Optimization(HHO)とRandom Weight Network(RWN)に基づく特徴選択(FS)モデルを提案し,IoTボットネット攻撃を検出する。
  論文  参考訳（メタデータ） (2023-02-20T09:38:12Z)
• The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
  インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。 我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
  論文  参考訳（メタデータ） (2022-12-21T03:37:38Z)
• HBFL: A Hierarchical Blockchain-based Federated Learning Framework for a Collaborative IoT Intrusion Detection [0.0]
  セキュアでプライバシ保護されたコラボレーティブなIoT侵入検出を実現するために,階層的なブロックチェーンベースのフェデレーション学習フレームワークを提案する。 MLベースの侵入検出フレームワークの提案は、学習プロセスと組織データのプライバシを確保するために、階層的なフェデレーション付き学習アーキテクチャに従っている。 その結果は、データプライバシを保持しながら、広範囲の悪意あるアクティビティを検出できる、セキュアに設計されたMLベースの侵入検知システムである。
  論文  参考訳（メタデータ） (2022-04-08T19:06:16Z)
• IoT Security: Botnet detection in IoT using Machine learning [0.0]
  本研究は、IoTネットワークにおけるボットネットベースの分散サービス拒否(DDoS)攻撃の検出と緩和に機械学習アルゴリズムを用いた革新的なモデルを提案する。 提案モデルでは,ボットの脅威に関するセキュリティ問題に対処する。
  論文  参考訳（メタデータ） (2021-04-06T01:47:50Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)

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。