論文の概要: Efficient State Estimation of a Networked FlipIt Model

• arxiv url: http://arxiv.org/abs/2504.01096v1
• Date: Tue, 01 Apr 2025 18:13:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:17:43.919960
• Title: Efficient State Estimation of a Networked FlipIt Model
• Title（参考訳）: ネットワーク型FlipItモデルの効率的な状態推定
• Authors: Brandon Collins, Thomas Gherna, Keith Paarporn, Shouhuai Xu, Philip N. Brown,
• Abstract要約: 攻撃が伝播するネットワークと、ネットワークの真の状態のノイズ信号を提供する侵入検知システムと、コンピュータのサブセットをいつでも掃除できるディフェンダーの能力を用いて、コンピュータネットワーク上での感染拡大を調査する。 ブールカルマンフィルタは、攻撃防御力学とノイズ観測から隠れた真の状態を推定することにより、最適推定問題を解くために用いられる。 本稿では,疫病モデル文献に触発された平均場推定手法を提案する。
• 参考スコア（独自算出の注目度）: 5.027613026233701
• License:
• Abstract: The Boolean Kalman Filter and associated Boolean Dynamical System Theory have been proposed to study the spread of infection on computer networks. Such models feature a network where attacks propagate through, an intrusion detection system that provides noisy signals of the true state of the network, and the capability of the defender to clean a subset of computers at any time. The Boolean Kalman Filter has been used to solve the optimal estimation problem, by estimating the hidden true state given the attack-defense dynamics and noisy observations. However, this algorithm is infeasible because it runs in exponential time and space with respect to the network size. We address this feasibility problem by proposing a mean-field estimation approach, which is inspired by the epidemic modeling literature. Although our approach is heuristic, we prove that our estimator exactly matches the optimal estimator in certain non-trivial cases. We conclude by using simulations to show both the run-time improvement and estimation accuracy of our approach.
• Abstract（参考訳）: ブールカルマンフィルタと関連するブール力学系理論は、コンピュータネットワーク上での感染拡大を研究するために提案されている。 このようなモデルは、攻撃が伝播するネットワークと、ネットワークの真の状態のノイズ信号を提供する侵入検知システムと、ディフェンダーがコンピュータのサブセットをいつでも掃除できる能力を備えている。 ブールカルマンフィルタは、攻撃防御力学とノイズ観測から隠れた真の状態を推定することにより、最適推定問題を解くために用いられる。 しかし、このアルゴリズムはネットワークサイズに関して指数時間と空間で動作するため、実現不可能である。 本研究では, 平均フィールド推定手法を提案することで, この実現可能性問題に対処する。 我々のアプローチはヒューリスティックであるが、ある非自明な場合の最適推定値と正確に一致することを証明している。 シミュレーションを用いて,本手法のランタイム改善と推定精度の両立を図った。

関連論文リスト

• Comprehensive Analysis of Network Robustness Evaluation Based on Convolutional Neural Networks with Spatial Pyramid Pooling [4.366824280429597]
  複雑なネットワークを理解し、最適化し、修復するための重要な側面である接続性の堅牢性は、伝統的にシミュレーションを通じて評価されてきた。 空間ピラミッドプールネットワーク(SPP-net)を用いた畳み込みニューラルネットワーク(CNN)モデルの設計により,これらの課題に対処する。 提案したCNNモデルは,全ての除去シナリオにおいて,攻撃曲線とロバストネスの両値の正確な評価を一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2023-08-10T09:54:22Z)
• A Temporal Graph Neural Network for Cyber Attack Detection and Localization in Smart Grids [0.3093890460224435]
  本稿では,スマートグリッドのシステム状態に対する偽データインジェクションとランプ攻撃の検出とローカライズを行うための時間グラフニューラルネットワーク(TGNN)フレームワークを提案する。 攻撃の強度と位置に対するモデルの感度とモデルの検出遅延と検出精度を評価した。
  論文  参考訳（メタデータ） (2022-12-07T00:56:02Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Temporal Scale Estimation for Oversampled Network Cascades: Theory, Algorithms, and Experiment [8.43300003915341]
  拡散過程に対する様々な離散時間確率モデルが提案されている。 FastClockは、入力サイズで線形時間で動作するクロック推定アルゴリズムである。 本研究では,提案アルゴリズムの性能を,アート推定器の状態と比較した実験結果を示す。
  論文  参考訳（メタデータ） (2021-09-22T18:03:28Z)
• Bayesian Attention Belief Networks [59.183311769616466]
  注意に基づくニューラルネットワークは、幅広いタスクにおいて最先端の結果を得た。 本稿では,非正規化注意重みをモデル化してデコーダネットワークを構築するベイズ的注意信念ネットワークについて紹介する。 提案手法は, 精度, 不確実性推定, ドメイン間の一般化, 敵攻撃において, 決定論的注意と最先端の注意よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-09T17:46:22Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Robust Value Iteration for Continuous Control Tasks [99.00362538261972]
  シミュレーションから物理システムへ制御ポリシを転送する場合、そのポリシは、動作の変動に対して堅牢でなければならない。 本稿では、動的プログラミングを用いて、コンパクトな状態領域上での最適値関数を計算するRobust Fitted Value Iterationを提案する。 より深い強化学習アルゴリズムや非ロバストなアルゴリズムと比較して、ロバストな値の方が頑健であることを示す。
  論文  参考訳（メタデータ） (2021-05-25T19:48:35Z)
• Improving Uncertainty Calibration via Prior Augmented Data [56.88185136509654]
  ニューラルネットワークは、普遍関数近似器として機能することで、複雑なデータ分布から学習することに成功した。 彼らはしばしば予測に自信過剰であり、不正確で誤った確率的予測に繋がる。 本稿では,モデルが不当に過信である特徴空間の領域を探索し,それらの予測のエントロピーをラベルの以前の分布に対して条件的に高める手法を提案する。
  論文  参考訳（メタデータ） (2021-02-22T07:02:37Z)
• Robust and integrative Bayesian neural networks for likelihood-free parameter inference [0.0]
  要約統計を学習するための最先端のニューラルネットワークベースの手法は、シミュレーションベースの確率自由パラメータ推論に有望な結果をもたらした。 本研究では,ベイズニューラルネットワークを用いて要約統計学を学習し,カテゴリー分布を用いて後部密度を直接推定する頑健な統合手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T13:45:23Z)
• 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。