論文の概要: Research on Enhancing Cloud Computing Network Security using Artificial Intelligence Algorithms

• arxiv url: http://arxiv.org/abs/2502.17801v1
• Date: Tue, 25 Feb 2025 03:06:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:18:51.182610
• Title: Research on Enhancing Cloud Computing Network Security using Artificial Intelligence Algorithms
• Title（参考訳）: 人工知能アルゴリズムを用いたクラウドコンピューティングネットワークセキュリティの強化に関する研究
• Authors: Yuqing Wang, Xiao Yang,
• Abstract要約: クラウドコンピューティング環境は、セキュリティの脅威にますます弱い。 従来のセキュリティメカニズムは、ルールマッチングと特徴認識に基づいて、進化する攻撃戦略への適応に苦労する。 本稿では,ディープラーニングを利用して多層防御アーキテクチャを構築する適応型セキュリティ保護フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.657154571216234
• License:
• Abstract: Cloud computing environments are increasingly vulnerable to security threats such as distributed denial-of-service (DDoS) attacks and SQL injection. Traditional security mechanisms, based on rule matching and feature recognition, struggle to adapt to evolving attack strategies. This paper proposes an adaptive security protection framework leveraging deep learning to construct a multi-layered defense architecture. The proposed system is evaluated in a real-world business environment, achieving a detection accuracy of 97.3%, an average response time of 18 ms, and an availability rate of 99.999%. Experimental results demonstrate that the proposed method significantly enhances detection accuracy, response efficiency, and resource utilization, offering a novel and effective approach to cloud computing security.
• Abstract（参考訳）: クラウドコンピューティング環境は、分散サービス拒否(DDoS)攻撃やSQLインジェクションといったセキュリティ上の脅威に対して、ますます脆弱になっている。 従来のセキュリティメカニズムは、ルールマッチングと特徴認識に基づいて、進化する攻撃戦略への適応に苦労する。 本稿では,ディープラーニングを利用して多層防御アーキテクチャを構築する適応型セキュリティ保護フレームワークを提案する。 提案システムは実世界のビジネス環境で評価され,検出精度97.3%,平均応答時間18ms,可用性率99.999%となる。 実験により,提案手法は検出精度,応答効率,資源利用率を著しく向上させ,クラウドコンピューティングのセキュリティに対する新しい効果的なアプローチを提供することを示した。

関連論文リスト

• Decentralized Entropy-Based Ransomware Detection Using Autonomous Feature Resonance [0.0]
  従来のランサムウェア検出手法の限界に対処するため,自律的特徴共鳴と呼ばれる新しい手法が導入された。 提案手法は, 検出精度97.3%, 偽陽性, 偽陰性率は1.8%, 偽陰性率は2.1%である。
  論文  参考訳（メタデータ） (2025-02-14T00:26:10Z)
• ADAPT: A Game-Theoretic and Neuro-Symbolic Framework for Automated Distributed Adaptive Penetration Testing [13.101825065498552]
  AIを医療などの現代的なクリティカルインフラストラクチャシステムに統合することで、新たな脆弱性が導入された。 ADAPTは、自動分散適応浸透テストのためのゲーム理論およびニューロシンボリックフレームワークである。
  論文  参考訳（メタデータ） (2024-10-31T21:32:17Z)
• EdgeShield: A Universal and Efficient Edge Computing Framework for Robust AI [8.688432179052441]
  敵攻撃の普遍的かつ効率的な検出を可能にするエッジフレームワークの設計を提案する。 このフレームワークは、注意に基づく敵検出手法と、軽量な検出ネットワークの形成を含む。 その結果、97.43%のFスコアが達成できることが示され、このフレームワークが敵の攻撃を検出する能力を示している。
  論文  参考訳（メタデータ） (2024-08-08T02:57:55Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Dynamic Vulnerability Criticality Calculator for Industrial Control Systems [0.0]
  本稿では,動的脆弱性臨界計算機を提案する革新的な手法を提案する。 本手法は, 環境トポロジの分析と, 展開されたセキュリティ機構の有効性を包含する。 本手法では,これらの要因を総合的なファジィ認知マップモデルに統合し,攻撃経路を組み込んで全体の脆弱性スコアを総合的に評価する。
  論文  参考訳（メタデータ） (2024-03-20T09:48:47Z)
• Feature Selection using the concept of Peafowl Mating in IDS [2.184775414778289]
  クラウドコンピューティングはインフラストラクチャベース、プラットフォームベース、ソフトウェアベースのサービスを提供します。 この技術の人気は、パフォーマンス、高いレベルのコンピューティング能力、低コストのサービス、スケーラビリティ、可用性、柔軟性にある。 クラウド環境におけるデータの入手性とオープン性は、サイバー攻撃の世界に対して脆弱である。 侵入検知システムを用いて攻撃を検知し、情報セキュリティを確保する。
  論文  参考訳（メタデータ） (2024-02-03T06:04:49Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Attention-Based Real-Time Defenses for Physical Adversarial Attacks in Vision Applications [58.06882713631082]
  ディープニューラルネットワークはコンピュータビジョンタスクにおいて優れたパフォーマンスを示すが、現実の敵攻撃に対する脆弱性は深刻なセキュリティ上の懸念を引き起こす。 本稿では、敵チャネルの注意力を利用して、浅いネットワーク層における悪意のある物体を素早く識別・追跡する、効果的な注意に基づく防御機構を提案する。 また、効率的な多フレーム防御フレームワークを導入し、防御性能と計算コストの両方を評価することを目的とした広範な実験を通じて、その有効性を検証した。
  論文  参考訳（メタデータ） (2023-11-19T00:47:17Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• 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)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。