論文の概要: Improving Router Security using BERT

• arxiv url: http://arxiv.org/abs/2601.00783v1
• Date: Fri, 02 Jan 2026 18:34:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.620746
• Title: Improving Router Security using BERT
• Title（参考訳）: BERTによるルータセキュリティの改善
• Authors: John Carter, Spiros Mancoridis, Pavlos Protopapas, Brian Mitchell, Benji Lilley,
• Abstract要約: 本研究では,高忠実度 eBPF ベースのシステムコールセンサと対照的な拡張学習を併用することにより,偽陽性率の低い検出性能が向上することを示す。 また,ネットワークパケットデータに類似したパイプライン作成が可能なネットワークパケット抽象化言語を導入する。
• 参考スコア（独自算出の注目度）: 0.6035125735474385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Previous work on home router security has shown that using system calls to train a transformer-based language model built on a BERT-style encoder using contrastive learning is effective in detecting several types of malware, but the performance remains limited at low false positive rates. In this work, we demonstrate that using a high-fidelity eBPF-based system call sensor, together with contrastive augmented learning (which introduces controlled mutations of negative samples), improves detection performance at a low false positive rate. In addition, we introduce a network packet abstraction language that enables the creation of a pipeline similar to network packet data, and we show that network behavior provides complementary detection signals-yielding improved performance for network-focused malware at low false positive rates. Lastly, we implement these methods in an online router anomaly detection framework to validate the approach in an Internet of Things (IoT) deployment environment.
• Abstract（参考訳）: ホームルータのセキュリティに関するこれまでの研究によると、BERT方式のエンコーダ上に構築されたトランスフォーマーベースの言語モデルをシステムコールでトレーニングすることは、いくつかの種類のマルウェアを検出するのに有効であるが、性能は偽陽性率で制限されている。 本研究では,高忠実度 eBPF ベースのシステムコールセンサと対照的な拡張学習(負サンプルの制御突然変異を導入する)を用いることで,偽陽性率の低い検出性能が向上することを示す。 さらに,ネットワークパケットデータに類似したパイプラインを作成可能なネットワークパケット抽象化言語を導入し,ネットワークの動作が補完的な検出信号を提供することを示す。 最後に、これらの手法をオンラインルータ異常検出フレームワークに実装し、IoT(Internet of Things)デプロイメント環境におけるアプローチを検証する。

関連論文リスト

• Knowledge Regularized Negative Feature Tuning of Vision-Language Models for Out-of-Distribution Detection [54.433899174017185]
  信頼性の高い機械学習モデルを構築するには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。 我々はKR-NFT(Knowledge Regularized Negative Feature Tuning)と呼ばれる新しい手法を提案する。 NFTは、事前訓練されたテキスト特徴に分布認識変換を適用し、正および負の特徴を異なる空間に効果的に分離する。 ImageNetデータセットから数発のサンプルをトレーニングすると、KR-NFTはID分類精度とOOD検出を改善するだけでなく、FPR95を5.44%削減する。
  論文  参考訳（メタデータ） (2025-07-26T07:44:04Z)
• Optimizing Resource Allocation and Energy Efficiency in Federated Fog Computing for IoT [0.0]
  アドレス解決プロトコル(ARP)攻撃はモノのインターネット(IoT)ネットワークを脅かす。 従来の検出方法は、高い偽陽性と低い適応性のために不十分である。 本研究は,IoTネットワークにおけるARPスプーリングをインテリジェントに検出する多層機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-22T17:10:32Z)
• Self-Supervised Transformer-based Contrastive Learning for Intrusion Detection Systems [1.1265248232450553]
  本稿では,生パケット列上の一般化可能な侵入検出のための自己教師付きコントラスト学習手法を提案する。 本フレームワークは,既存のNetFlow自己管理手法と比較して,優れた性能を示す。 我々のモデルは,ラベル付き限られたデータを用いた教師付き侵入検知のための強力なベースラインを提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:42:00Z)
• Packet Inspection Transformer: A Self-Supervised Journey to Unseen Malware Detection with Few Samples [0.0]
  従来のセキュリティ対策は、現代のサイバー攻撃の高度化に対して不十分である。 Deep Packet Inspection (DPI)は、ネットワークセキュリティの強化において重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-09-26T18:55:52Z)
• A Transformer-Based Framework for Payload Malware Detection and Classification [0.0]
  ディープパケット検査(Deep Packet Inspection, DPI)は、IDSがネットワークパケットの内容を分析することを可能にする技術である。 本稿では,悪意のあるトラフィックを検出するために適応したトランスフォーマーに基づくDPIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-27T03:25:45Z)
• 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)
• Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks [57.70351255180495]
  我々は、画像データの代わりにネットワーク出力の上の検出器を訓練し、適切な損失バックプロパゲーションを適用する。 本研究は,課題の見地に対するフレーズ接頭辞の大幅な改善を明らかにした。
  論文  参考訳（メタデータ） (2023-09-07T17:36:02Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)

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。