論文の概要: Detecting and Mitigating DDoS Attacks with AI: A Survey

• arxiv url: http://arxiv.org/abs/2503.17867v1
• Date: Sat, 22 Mar 2025 21:54:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:39:30.385947
• Title: Detecting and Mitigating DDoS Attacks with AI: A Survey
• Title（参考訳）: AIによるDDoS攻撃の検出と緩和:サーベイ
• Authors: Alexandru Apostu, Silviu Gheorghe, Andrei Hîji, Nicolae Cleju, Andrei Pătraşcu, Cristian Rusu, Radu Ionescu, Paul Irofti,
• Abstract要約: DDoS攻撃は、サイバーセキュリティ研究の活発な問題を表している。 最近の研究は、静的なルールベースの防御からAIベースの検出と緩和へと移行した。 手動の専門家階層とAI生成デンドログラムに基づく詳細な分類法が提供される。
• 参考スコア（独自算出の注目度）: 39.4511636105533
• License:
• Abstract: Distributed Denial of Service attacks represent an active cybersecurity research problem. Recent research shifted from static rule-based defenses towards AI-based detection and mitigation. This comprehensive survey covers several key topics. Preeminently, state-of-the-art AI detection methods are discussed. An in-depth taxonomy based on manual expert hierarchies and an AI-generated dendrogram are provided, thus settling DDoS categorization ambiguities. An important discussion on available datasets follows, covering data format options and their role in training AI detection methods together with adversarial training and examples augmentation. Beyond detection, AI based mitigation techniques are surveyed as well. Finally, multiple open research directions are proposed.
• Abstract（参考訳）: 分散型DoS攻撃は、サイバーセキュリティ研究の活発な問題である。 最近の研究は、静的なルールベースの防御からAIベースの検出と緩和へと移行した。 この総合的な調査は、いくつかの重要なトピックをカバーしている。 本稿では,最先端のAI検出手法について論じる。 手動の専門家階層とAI生成デンドログラムに基づく詳細な分類法が提供され、DDoS分類の曖昧さが定着する。 利用可能なデータセットに関する重要な議論は、データフォーマットオプションとそのAI検出メソッドのトレーニングにおける役割と、敵のトレーニングとサンプルの強化についてである。 検出以外にも、AIベースの緩和技術も調査されている。 最後に、複数のオープンな研究方向が提案されている。

関連論文リスト

• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• A Comprehensive Survey of Advanced Persistent Threat Attribution: Taxonomy, Methods, Challenges and Open Research Problems [3.410195565199523]
  Advanced Persistent Threat Attributionは、サイバーセキュリティにおける重要な課題である。 人工知能(AI)と機械学習(ML)技術の普及に伴い、研究者たちは、サイバー脅威を責任あるアクターにリンクする自動化ソリューションの開発に注力している。 自動帰属に関する以前の文献では、自動帰属プロセスに役立つ自動化された方法と関連するアーティファクトの体系的なレビューが欠けている。
  論文  参考訳（メタデータ） (2024-09-07T12:42:43Z)
• Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
  この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。 本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
  論文  参考訳（メタデータ） (2024-02-21T08:29:42Z)
• The AI Security Pyramid of Pain [0.18820558426635298]
  私たちは、AI固有の脅威を分類し優先順位付けするために、Painのサイバーセキュリティピラミッドに適応するフレームワークであるPainのAIセキュリティピラミッドを紹介します。 このフレームワークは、さまざまなレベルのAI脅威を理解し、対処するための構造化されたアプローチを提供する。
  論文  参考訳（メタデータ） (2024-02-16T21:14:11Z)
• Adversarial attacks and defenses in explainable artificial intelligence: A survey [11.541601343587917]
  敵機械学習(AdvML)の最近の進歩は、最先端の説明手法の限界と脆弱性を強調している。 本調査は、機械学習モデルの説明に対する敵攻撃に関する総合的な研究の概要を提供する。
  論文  参考訳（メタデータ） (2023-06-06T09:53:39Z)
• Intrusion Detection Systems Using Support Vector Machines on the KDDCUP'99 and NSL-KDD Datasets: A Comprehensive Survey [6.847009696437944]
  我々は、サイバーセキュリティにおいて最も広く使われている2つのデータセット、すなわちKDDCUP'99とNSL-KDDデータセットで評価された研究に焦点を当てた。 本稿では,SVMの役割や研究に関わるアルゴリズムについて,各手法の概要について述べる。
  論文  参考訳（メタデータ） (2022-09-12T20:02:12Z)
• Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
  エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。 既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。 以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
  論文  参考訳（メタデータ） (2022-07-20T19:49:09Z)
• Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
  本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。 既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。 本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
  論文  参考訳（メタデータ） (2020-03-16T02:47:23Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。