論文の概要: LIGHT-HIDS: A Lightweight and Effective Machine Learning-Based Framework for Robust Host Intrusion Detection

• arxiv url: http://arxiv.org/abs/2509.13464v1
• Date: Tue, 16 Sep 2025 19:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.619005
• Title: LIGHT-HIDS: A Lightweight and Effective Machine Learning-Based Framework for Robust Host Intrusion Detection
• Title（参考訳）: LIGHT-HIDS:ロバストホスト侵入検知のための軽量で効果的な機械学習ベースのフレームワーク
• Authors: Onat Gungor, Ishaan Kale, Jiasheng Zhou, Tajana Rosing,
• Abstract要約: エッジコンピューティングの拡張により攻撃面が増大し、堅牢でリアルタイムな機械学習(ML)ベースのホスト侵入検知システム(HIDS)が緊急に必要になった。 本稿では,Deep Support Vector Data Description (DeepSVDD)を用いて学習したニューラルネットワーク特徴抽出器と,効率的な新規性検出モデルを組み合わせた軽量機械学習フレームワークLIGHT-HIDSを提案する。 複数のデータセットに対する実験結果から、LIGHT-HIDSは検出精度を一貫して向上しつつ、最先端の手法に比べて最大75倍の推論時間を短縮することを示した。
• 参考スコア（独自算出の注目度）: 10.78145758065258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The expansion of edge computing has increased the attack surface, creating an urgent need for robust, real-time machine learning (ML)-based host intrusion detection systems (HIDS) that balance accuracy and efficiency. In such settings, inference latency poses a critical security risk, as delays may provide exploitable opportunities for attackers. However, many state-of-the-art ML-based HIDS solutions rely on computationally intensive architectures with high inference costs, limiting their practical deployment. This paper proposes LIGHT-HIDS, a lightweight machine learning framework that combines a compressed neural network feature extractor trained via Deep Support Vector Data Description (DeepSVDD) with an efficient novelty detection model. This hybrid approach enables the learning of compact, meaningful representations of normal system call behavior for accurate anomaly detection. Experimental results on multiple datasets demonstrate that LIGHT-HIDS consistently enhances detection accuracy while reducing inference time by up to 75x compared to state-of-the-art methods. These findings highlight its effectiveness and scalability as a machine learning-based solution for real-time host intrusion detection.
• Abstract（参考訳）: エッジコンピューティングの拡張により攻撃面が増大し、精度と効率のバランスをとる堅牢なリアルタイム機械学習(ML)ベースのホスト侵入検知システム(HIDS)が緊急に必要になった。 このような設定では、遅延が攻撃者に悪用可能な機会を与える可能性があるため、推論遅延は重大なセキュリティリスクを引き起こす。 しかし、最先端のMLベースのHIDSソリューションの多くは、推論コストの高い計算集約型アーキテクチャに依存しており、実際のデプロイメントを制限している。 本稿では,Deep Support Vector Data Description (DeepSVDD)を用いて学習したニューラルネットワーク特徴抽出器と,効率的な新規性検出モデルを組み合わせた軽量機械学習フレームワークLIGHT-HIDSを提案する。 このハイブリッドアプローチは、正常なシステムコール動作のコンパクトで意味のある表現を学習し、正確な異常検出を可能にする。 複数のデータセットに対する実験結果から、LIGHT-HIDSは検出精度を一貫して向上しつつ、最先端の手法に比べて最大75倍の推論時間を短縮することを示した。 これらの知見は、リアルタイムホスト侵入検知のための機械学習ベースのソリューションとしての有効性とスケーラビリティを強調している。

関連論文リスト

• An Efficient Intrusion Detection System for Safeguarding Radiation Detection Systems [3.0341074926328044]
  放射線検出システム(RDS)は、環境中の放射性物質の異常なレベルを測定し、検出するために用いられる。 これらのシステムには、データを修正するための悪意のある外部攻撃に対する保護がない。 RDSに対する一般的な攻撃はDoS(Denial of Service)であり、攻撃者はシステムを圧倒し、機能不全なRDSを引き起こす。 本稿では,DoS攻撃に着目し,放射データの異常を検出するための機械学習(ML)ベースの効率的なIDSを提案する。
  論文  参考訳（メタデータ） (2025-09-01T16:31:46Z)
• Hybrid Cryptographic Monitoring System for Side-Channel Attack Detection on PYNQ SoCs [0.0]
  AES-128暗号は理論的には安全であるが、組込みシステムに対するタイミングと障害注入攻撃による実用的展開には脆弱である。 本研究は、統計的しきい値と機械学習(ML)を組み合わせて、リアルタイムな異常検出を行う軽量な二重検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T13:13:43Z)
• ML-Enhanced AES Anomaly Detection for Real-Time Embedded Security [0.0]
  制御された異常注入とリアルタイム異常検出によりAES-128暗号のセキュリティを向上する包括的フレームワークを提案する。 我々は,暗号化中に実行遅延や暗号文の摂動を注入し,ラベル付きデータセットを生成して,タイミングと故障に基づく異常をシミュレートする。 その結果,MLによる検出は,組込みハードウェア上でのリアルタイム性能を維持しつつ,精度とリコールにおいてしきい値に基づく手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-07-06T00:22:58Z)
• Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
  赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。 現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。 本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
  論文  参考訳（メタデータ） (2025-06-15T08:19:32Z)
• RE-POSE: Synergizing Reinforcement Learning-Based Partitioning and Offloading for Edge Object Detection [3.2805151494259563]
  エッジデバイス上でのリアルタイムオブジェクト検出は、その限られた計算リソースと、ディープニューラルネットワーク(DNN)ベースの検出モデルの高要求により、大きな課題を呈している。 本稿では,リソース制約のあるエッジ環境における精度-遅延トレードオフを最適化するフレームワークであるRE-POSEを紹介する。
  論文  参考訳（メタデータ） (2025-01-16T10:56:45Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• Multi-agent Reinforcement Learning-based Network Intrusion Detection System [3.4636217357968904]
  侵入検知システム(IDS)は,コンピュータネットワークのセキュリティ確保において重要な役割を担っている。 本稿では,自動,効率的,堅牢なネットワーク侵入検出が可能な,新しいマルチエージェント強化学習(RL)アーキテクチャを提案する。 我々のソリューションは、新しい攻撃の追加に対応し、既存の攻撃パターンの変更に効果的に適応するように設計されたレジリエントなアーキテクチャを導入します。
  論文  参考訳（メタデータ） (2024-07-08T09:18:59Z)
• Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
  本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。 このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。 本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
  論文  参考訳（メタデータ） (2024-02-07T21:58:40Z)
• 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)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• 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。