論文の概要: Identifying and Addressing User-level Security Concerns in Smart Homes Using "Smaller" LLMs

• arxiv url: http://arxiv.org/abs/2509.19485v1
• Date: Tue, 23 Sep 2025 18:47:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.571151
• Title: Identifying and Addressing User-level Security Concerns in Smart Homes Using "Smaller" LLMs
• Title（参考訳）: スマートホームにおける「スマラー」 LLM を用いたユーザレベルのセキュリティ対策
• Authors: Hafijul Hoque Chowdhury, Riad Ahmed Anonto, Sourov Jajodia, Suryadipta Majumdar, Md. Shohrab Hossain,
• Abstract要約: スマートホームにおけるユーザレベルの主要なセキュリティ問題を特定し,対処することを目指している。 具体的には、パブリックフォーラムから新しいQ&Aデータセットを開発する。 私たちは、スマートホームセキュリティに適したQAシステムを構築するために、データセット上にT5やFlan-T5のような比較的小さなトランスフォーマーモデルを微調整します。
• 参考スコア（独自算出の注目度）: 0.9868505042185401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid growth of smart home IoT devices, users are increasingly exposed to various security risks, as evident from recent studies. While seeking answers to know more on those security concerns, users are mostly left with their own discretion while going through various sources, such as online blogs and technical manuals, which may render higher complexity to regular users trying to extract the necessary information. This requirement does not go along with the common mindsets of smart home users and hence threatens the security of smart homes furthermore. In this paper, we aim to identify and address the major user-level security concerns in smart homes. Specifically, we develop a novel dataset of Q&A from public forums, capturing practical security challenges faced by smart home users. We extract major security concerns in smart homes from our dataset by leveraging the Latent Dirichlet Allocation (LDA). We fine-tune relatively "smaller" transformer models, such as T5 and Flan-T5, on this dataset to build a QA system tailored for smart home security. Unlike larger models like GPT and Gemini, which are powerful but often resource hungry and require data sharing, smaller models are more feasible for deployment in resource-constrained or privacy-sensitive environments like smart homes. The dataset is manually curated and supplemented with synthetic data to explore its potential impact on model performance. This approach significantly improves the system's ability to deliver accurate and relevant answers, helping users address common security concerns with smart home IoT devices. Our experiments on real-world user concerns show that our work improves the performance of the base models.
• Abstract（参考訳）: スマートホームIoTデバイスの急速な成長に伴い、最近の研究から明らかなように、ユーザはさまざまなセキュリティリスクにさらされている。 セキュリティ上の懸念についてもっと詳しく知るために回答を求める一方で、オンラインブログやテクニカルマニュアルなど、さまざまなソースを通しながら、ユーザーは自分の判断を残され、必要な情報を抽出しようとする通常のユーザには、より複雑なものになりかねない。 この要件はスマートホームユーザーの共通の考え方とは一致しないため、スマートホームのセキュリティをさらに脅かすことになる。 本稿では,スマートホームにおけるユーザレベルの主要なセキュリティ問題を特定し,対処することを目的とする。 具体的には、スマートホーム利用者が直面する実践的なセキュリティ課題を把握し、パブリックフォーラムから新しいQ&Aデータセットを開発する。 我々は、LDA(Latent Dirichlet Allocation)を利用して、スマートホームのセキュリティ上の重要な懸念点をデータセットから抽出する。 私たちは、スマートホームセキュリティに適したQAシステムを構築するために、データセット上にT5やFlan-T5のような比較的小さなトランスフォーマーモデルを微調整します。 GPTやGeminiのような大規模モデルは、強力だがリソースが空いていることが多く、データ共有を必要とすることが多いが、より小さなモデルは、スマートホームのようなリソースに制約のある、あるいはプライバシーに敏感な環境に展開するためには、より実用的だ。 データセットは手動でキュレーションされ、合成データで補足され、モデルパフォーマンスに対する潜在的な影響を調べる。 このアプローチは、正確で関連する回答を提供するシステムの能力を大幅に改善し、スマートホームIoTデバイスで一般的なセキュリティ問題に対処するのに役立つ。 実世界のユーザに関する我々の実験は、我々の作業がベースモデルの性能を改善することを示している。

関連論文リスト

• Large AI Model-Enabled Secure Communications in Low-Altitude Wireless Networks: Concepts, Perspectives and Case Study [92.15255222408636]
  低高度無線ネットワーク(LAWN)は、様々なアプリケーションをサポートすることにより、通信に革命をもたらす可能性がある。 LAWNにおけるセキュア通信のための大規模人工知能モデル(LAM)対応ソリューションについて検討する。 LAWNにおけるセキュア通信のためのLAMの実用的メリットを示すために,新しいLAMベースの最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-01T01:53:58Z)
• LLMs on support of privacy and security of mobile apps: state of the art and research directions [1.5293427903448022]
  セキュリティとプライバシーのリスクは依然としてモバイルアプリのユーザーを脅かす。 セキュリティリスクとプライバシ違反を特定するために,大規模言語モデルの適用について検討する。 ユーザが画像をオンラインで共有する場合に,機密データ漏洩を検出する手法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T11:17:15Z)
• SafeAgent: Safeguarding LLM Agents via an Automated Risk Simulator [77.86600052899156]
  LLM(Large Language Model)ベースのエージェントは、現実のアプリケーションにますますデプロイされる。 完全自動合成データ生成によるエージェント安全性を体系的に向上する最初のフレームワークであるAutoSafeを提案する。 AutoSafeは安全性のスコアを平均で45%向上させ、現実世界のタスクでは28.91%の改善を実現している。
  論文  参考訳（メタデータ） (2025-05-23T10:56:06Z)
• Towards Trustworthy GUI Agents: A Survey [64.6445117343499]
  本調査では,GUIエージェントの信頼性を5つの重要な次元で検証する。 敵攻撃に対する脆弱性、シーケンシャルな意思決定における障害モードのカスケードなど、大きな課題を特定します。 GUIエージェントが普及するにつれて、堅牢な安全基準と責任ある開発プラクティスを確立することが不可欠である。
  論文  参考訳（メタデータ） (2025-03-30T13:26:00Z)
• "Glue pizza and eat rocks" -- Exploiting Vulnerabilities in Retrieval-Augmented Generative Models [74.05368440735468]
  Retrieval-Augmented Generative (RAG)モデルにより大規模言語モデル(LLM)が強化される 本稿では,これらの知識基盤の開放性を敵が活用できるセキュリティ上の脅威を示す。
  論文  参考訳（メタデータ） (2024-06-26T05:36:23Z)
• A Novel IoT Trust Model Leveraging Fully Distributed Behavioral Fingerprinting and Secure Delegation [3.10770247120758]
  IoT(Internet of Things)ソリューションは、データ収集と処理を容易にするために、急激な需要を実験している。 自律的な方法で提供される新機能やサービスの数が増えるほど、ユーザをデータハッキングや損失に晒す攻撃面が大きくなる。 そこで本稿では, スマートなものの装備に関する非自明な問題に対処し, 隣人を通じて, ネットワーク内のオブジェクトの信頼性を, 対話前に評価する戦略を提示する。
  論文  参考訳（メタデータ） (2023-10-02T07:45:49Z)
• A Smart Home System based on Internet of Things [0.0]
  認証と認証はIoTセキュリティ操作の課題である。 本稿では,不正アクセスの防止手法として,多要素認証のセキュリティを付加的に適用する。
  論文  参考訳（メタデータ） (2020-09-11T10:34:48Z)
• Smart Home, security concerns of IoT [91.3755431537592]
  IoT(モノのインターネット)は、国内環境において広く普及している。 人々は自宅をスマートホームにリニューアルしているが、インターネットに接続された多くのデバイスを常時オンの環境センサーで所有するというプライバシー上の懸念はいまだに不十分だ。 デフォルトパスワードと弱いパスワード、安価な材料とハードウェア、暗号化されていない通信は、IoTデバイスの主要な脅威と脆弱性として識別される。
  論文  参考訳（メタデータ） (2020-07-06T10:36:11Z)

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。