論文の概要: An Efficient Recommendation Filtering-based Trust Model for Securing Internet of Things

• arxiv url: http://arxiv.org/abs/2508.17304v2
• Date: Mon, 08 Sep 2025 10:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.300409
• Title: An Efficient Recommendation Filtering-based Trust Model for Securing Internet of Things
• Title（参考訳）: モノのインターネット確保のための効率的なレコメンデーションフィルタリングに基づく信頼モデル
• Authors: Muhammad Ibn Ziauddin, Rownak Rahad Rabbi, SM Mehrab, Fardin Faiyaz, Mosarrat Jahan,
• Abstract要約: 現在のIoT(Internet of Things)の信頼ベースのメカニズムには,データセキュリティに影響を与える制限がある。 提案モデルでは,ウィンドウ長を動的に決定し,精度の高い信頼計算を実現する。 平均信頼スコアと時間との調和平均を使い、信頼スコアの急激な変動を防ぐ。
• 参考スコア（独自算出の注目度）: 0.7829352305480287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trust computation is crucial for ensuring the security of the Internet of Things (IoT). However, current trust-based mechanisms for IoT have limitations that impact data security. Sliding window-based trust schemes cannot ensure reliable trust computation due to their inability to select appropriate window lengths. Besides, recent trust scores are emphasized when considering the effect of time on trust. This can cause a sudden change in overall trust score based on recent behavior, potentially misinterpreting an honest service provider as malicious and vice versa. Moreover, clustering mechanisms used to filter recommendations in trust computation often lead to slower results. In this paper, we propose a robust trust model to address these limitations. The proposed approach determines the window length dynamically to guarantee accurate trust computation. It uses the harmonic mean of average trust score and time to prevent sudden fluctuations in trust scores. Additionally, an efficient personalized subspace clustering algorithm is used to exclude recommendations. We present a security analysis demonstrating the resiliency of the proposed scheme against bad-mouthing, ballot-stuffing, and on-off attacks. The proposed scheme demonstrates a competitive performance in detecting bad-mouthing attacks, while outperforming existing works with an approximately 44% improvement in accuracy for detecting on-off attacks. It maintains its effectiveness even when the percentage of on-off attackers increases and in scenarios where multiple attacks occur simultaneously. Additionally, the proposed scheme reduces the recommendation filtering time by 95%.
• Abstract（参考訳）: 信頼計算はモノのインターネット(IoT)のセキュリティを確保するために不可欠である。 しかしながら、現在のIoTの信頼ベースのメカニズムには、データセキュリティに影響を及ぼす制限がある。 スライディングウィンドウベースの信頼スキームは、適切なウィンドウ長を選択することができないため、信頼性の高い信頼計算を保証できない。 さらに、信頼に対する時間の影響を考慮すると、最近の信頼スコアが強調される。 これは、最近の行動に基づいて、全体的な信頼スコアが突然変化し、正直なサービスプロバイダを悪意のあるものと誤解する可能性がある。 さらに、信頼計算でレコメンデーションをフィルタリングするために使用されるクラスタリング機構は、しばしば結果を遅くする。 本稿では,これらの制約に対処する堅牢な信頼モデルを提案する。 提案手法は,ウィンドウ長を動的に決定し,精度の高い信頼計算を実現する。 平均信頼スコアと時間との調和平均を使い、信頼スコアの急激な変動を防ぐ。 さらに、レコメンデーションを除外するために、効率的なパーソナライズされたサブスペースクラスタリングアルゴリズムが使用される。 本稿では,バッドマス,バロット・スタッフィング,オンオフ攻撃に対する提案手法のレジリエンスを示すセキュリティ分析について述べる。 提案手法は,悪口攻撃の検出における競合性能を実証し,既存の作業よりも約44%向上し,オンオフ攻撃の検出精度が向上した。 オンオフアタッカーの割合が増加したり、複数のアタックが同時に発生するシナリオでも有効性を維持する。 さらに,提案手法により,推奨フィルタ時間を95%短縮する。

関連論文リスト

• Confidential Guardian: Cryptographically Prohibiting the Abuse of Model Abstention [65.47632669243657]
  不正直な機関は、不確実性の観点からサービスを差別または不正に否定する機構を利用することができる。 我々は、ミラージュと呼ばれる不確実性誘導攻撃を導入することで、この脅威の実践性を実証する。 本研究では,参照データセット上のキャリブレーションメトリクスを分析し,人工的に抑制された信頼度を検出するフレームワークであるConfidential Guardianを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:47:50Z)
• Aurora: Are Android Malware Classifiers Reliable and Stable under Distribution Shift? [51.12297424766236]
  AURORAは、その信頼性と運用上のレジリエンスに基づいて、マルウェア分類器を評価するためのフレームワークである。 AURORAは、ポイント・イン・タイムのパフォーマンスを超えるように設計されたメトリクスのセットによって補完される。 さまざまなドリフトのデータセットにわたるSOTAフレームワークの脆弱性は、ホワイトボードへの復帰の必要性を示唆している。
  論文  参考訳（メタデータ） (2025-05-28T20:22:43Z)
• Bayesian Methods for Trust in Collaborative Multi-Agent Autonomy [11.246557832016238]
  安全クリティカルで競争の激しい環境では、敵は多数のエージェントに侵入し、妥協することがある。 我々は、この妥協されたエージェント脅威モデルの下で、アートマルチターゲット追跡アルゴリズムの状態を解析する。 階層的ベイズ更新を用いた信頼度推定フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-25T17:17:35Z)
• TrustGuard: GNN-based Robust and Explainable Trust Evaluation with Dynamicity Support [59.41529066449414]
  本稿では,信頼度を考慮した信頼度評価モデルであるTrustGuardを提案する。 TrustGuardは、スナップショット入力層、空間集約層、時間集約層、予測層を含む階層アーキテクチャで設計されている。 実験により、TrustGuardは、シングルタイムスロットとマルチタイムスロットの信頼予測に関して、最先端のGNNベースの信頼評価モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-23T07:39:12Z)
• A Trustworthiness Score to Evaluate DNN Predictions [1.5484595752241122]
  ディープニューラルネットワークの予測が信頼できるか疑わしいかを知るためには、運用中の安全性が不可欠である。 信頼性スコア(TS: Trustworthiness score)は、予測に対する信頼性を提供するための、より透明で効果的な方法を提供する指標である。 人検出にYOLOv5を用いたケーススタディを行い,TSとSSの手法と使用法を実証した。
  論文  参考訳（メタデータ） (2023-01-21T00:48:18Z)
• MUDGUARD: Taming Malicious Majorities in Federated Learning using Privacy-Preserving Byzantine-Robust Clustering [34.429892915267686]
  Byzantine-robust Federated Learning (FL)は、悪意のあるクライアントに対抗し、攻撃の成功率を極端に低く保ちながら、正確なグローバルモデルをトレーニングすることを目的としている。 しかし、既存のシステムのほとんどは、クライアントが正直な場合にのみ堅牢である。 本稿では,サーバ側とクライアント側の両方で悪意あるマイノリティの求職者多数で運用可能な,ビザンチン・ロバスト・プライバシ保護型FLシステム MUDGUARD を提案する。
  論文  参考訳（メタデータ） (2022-08-22T09:17:58Z)
• Off-policy Confidence Sequences [33.749904615295485]
  文脈的バンディット設定において,オフポリシー評価に一定時間をかけて保持する信頼度境界を開発する。 計算効率と統計効率のバランスを良くする信頼度列を計算するためのアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2021-02-18T18:40:30Z)

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。