論文の概要: What's Next, Cloud? A Forensic Framework for Analyzing Self-Hosted Cloud Storage Solutions

• arxiv url: http://arxiv.org/abs/2510.21246v1
• Date: Fri, 24 Oct 2025 08:30:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 06:57:23.402143
• Title: What's Next, Cloud? A Forensic Framework for Analyzing Self-Hosted Cloud Storage Solutions
• Title（参考訳）: クラウドとは何か? 自己ホスト型クラウドストレージソリューション分析のための法医学的フレームワーク
• Authors: Michael Külper, Jan-Niclas Hilgert, Frank Breitinger, Martin Lambertz,
• Abstract要約: Nextcloudのようなセルフホスト型のクラウドストレージプラットフォームは、個人や組織の間で、データ管理の強化を求める声が高まっている。 Nextcloudは広く使われているが、法医学的な研究にはあまり関心が寄せられていない。 デバイス監視とクラウドAPIを活用した,構造化された繰り返し可能なエビデンス獲得のための拡張法医学フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Self-hosted cloud storage platforms like Nextcloud are gaining popularity among individuals and organizations seeking greater control over their data. However, this shift introduces new challenges for digital forensic investigations, particularly in systematically analyzing both client and server components. Despite Nextcloud's widespread use, it has received limited attention in forensic research. In this work, we critically examine existing cloud storage forensic frameworks and highlight their limitations. To address the gaps, we propose an extended forensic framework that incorporates device monitoring and leverages cloud APIs for structured, repeatable evidence acquisition. Using Nextcloud as a case study, we demonstrate how its native APIs can be used to reliably access forensic artifacts, and we introduce an open-source acquisition tool that implements this approach. Our framework equips investigators with a more flexible method for analyzing self-hosted cloud storage systems, and offers a foundation for further development in this evolving area of digital forensics.
• Abstract（参考訳）: Nextcloudのようなセルフホスト型のクラウドストレージプラットフォームは、個人や組織の間で、データ管理の強化を求める声が高まっている。 しかし、このシフトは、特にクライアントコンポーネントとサーバコンポーネントの両方を体系的に分析する上で、デジタル法医学的な調査に新たな課題をもたらす。 Nextcloudは広く使われているが、法医学的な研究にはあまり関心が寄せられていない。 本研究では,既存のクラウドストレージの法医学的フレームワークを批判的に検討し,その限界を強調した。 このギャップに対処するため,デバイス監視を取り入れた拡張法医学的フレームワークを提案し,構造化された繰り返し可能なエビデンス獲得にクラウドAPIを活用する。 Nextcloudをケーススタディとして、そのネイティブAPIがどのようにして法医学的アーティファクトに確実にアクセスできるかを実証し、このアプローチを実装するオープンソースの取得ツールを紹介します。 当社のフレームワークは,自己ホスト型クラウドストレージシステムの解析方法として,よりフレキシブルな手法を備えており,この進化するデジタル・フォサイシクス分野のさらなる発展の基盤となっている。

関連論文リスト

• Cloud Investigation Automation Framework (CIAF): An AI-Driven Approach to Cloud Forensics [0.0]
  クラウド調査自動化フレームワーク(CIAF)は,クラウドの法医学的ログを体系的に調査するフレームワークである。 CIAFはセマンティック検証を通じてユーザ入力を標準化し、曖昧さを排除し、ログ解釈の一貫性を確保する。 その結果,ランサムウェア検出の精度,リコール,F1スコアが93%向上した。
  論文  参考訳（メタデータ） (2025-10-01T03:05:47Z)
• Cloud Digital Forensic Readiness: An Open Source Approach to Law Enforcement Request Management [0.4972323953932129]
  Cloud Forensicsは、デジタル法医学調査の成功を損なう可能性のある、多段階的な課題を提示している。 ドミミルドおよび外国の法執行機関(LE)要求の増加、国境を越えたデータアクセスのための正式なチャネルのレイテンシと複雑さは、難しい問題である。 クラウド法執行要求管理システム(CLERMS)の抽象化アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-05T22:06:42Z)
• CloudLens: Modeling and Detecting Cloud Security Vulnerabilities [15.503757553097387]
  クラウドコンピューティングサービスは、データストレージ、処理、コラボレーションのためのスケーラブルで費用対効果の高いソリューションを提供する。 アクセス制御のミスコンフィグレーションが、クラウドアタックの主要な要因であることが多い。 プランナーは、クラウド内のそのような脆弱性を特定するために攻撃を生成する。
  論文  参考訳（メタデータ） (2024-02-16T03:28:02Z)
• Exploring Security Practices in Infrastructure as Code: An Empirical Study [54.669404064111795]
  クラウドコンピューティングは、Infrastructure as Code (IaC)ツールが広く使われていることで人気を博している。 スクリプティングプロセスは、実践者が自動的に設定ミスや脆弱性、プライバシリスクを導入するのを防ぐものではない。 セキュリティの確保は、実践者が明確な方針、ガイドライン、ベストプラクティスを理解し、採用することに依存する。
  論文  参考訳（メタデータ） (2023-08-07T23:43:32Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey [104.71816962689296]
  大規模クラウドラベリングの制約により,教師なしのポイントクラウド表現学習が注目されている。 本稿では、ディープニューラルネットワークを用いた教師なしポイントクラウド表現学習の総合的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-02-28T07:46:05Z)
• Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
  本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。 私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
  論文  参考訳（メタデータ） (2021-08-30T08:03:29Z)
• Privacy Inference Attacks and Defenses in Cloud-based Deep Neural Network: A Survey [22.706623721832486]
  クラウドコンピューティングプロバイダは、クラウドベースのDeep Neural Networkをアウトオブボックスサービスとして提供する。 この調査は、クラウドベースのニューラルネットワークサービスで発生したプライバシー攻撃と防御の最新の調査結果を示しています。 クラウドベースのMLプライバシーゲームと呼ばれる新しい理論は、最近発表された文献から抽出され、最先端の研究の深い理解を提供します。
  論文  参考訳（メタデータ） (2021-05-13T13:45:28Z)
• Anomaly Detection in a Large-scale Cloud Platform [9.283888139549067]
  クラウドコンピューティングはユビキタスで、ますます多くの企業がワークロードをクラウドに移行している。 サービスプロバイダは、成長を続ける製品の品質を効果的に監視する必要があります。 我々は,IBM Cloud Platform用の自動監視システムを設計,実装した。
  論文  参考訳（メタデータ） (2020-10-21T12:58:36Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。