論文の概要: NetSecBed: A Container-Native Testbed for Reproducible Cybersecurity Experimentation

• arxiv url: http://arxiv.org/abs/2604.04121v1
• Date: Sun, 05 Apr 2026 13:46:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.931406
• Title: NetSecBed: A Container-Native Testbed for Reproducible Cybersecurity Experimentation
• Title（参考訳）: NetSecBed: 再現可能なサイバーセキュリティ実験のためのコンテナネイティブなテストベッド
• Authors: Leonardo Bitzki, Diego Kreutz, Tiago Heinrich, Douglas Fideles, Leandro Bertholdo, Silvio Quincozes, Angelo Diniz,
• Abstract要約: NetSecBedは、ネットワークトラフィックエビデンスと実行アーティファクトの再現可能な生成のための、コンテナネイティブでシナリオ指向のテストベッドである。 このフレームワークは60のアタックシナリオ、9つのターゲットサービス、単一目的のコンテナとして良質なトラフィックジェネレータを統合している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cybersecurity research increasingly depends on reproducible evidence, such as traffic traces, logs, and labeled datasets, yet most public datasets remain static and offer limited support for controlled re-execution and traceability, especially in heterogeneous multi-protocol environments. This paper presents NetSecBed, a container-native, scenario-oriented testbed for reproducible generation of network traffic evidence and execution artifacts under controlled conditions, particularly suitable for IoT, IIoT, and pervasive multi-protocol environments. The framework integrates 60 attack scenarios, 9 target services, and benign traffic generators as single-purpose containers, enabling plug-and-play extensibility and traceability through declarative specifications. Its pipeline automates parametrized execution, packet capture, log collection, service probing, feature extraction, and dataset consolidation. The main contribution is a repeatable, auditable, and extensible framework for cybersecurity experimentation that reduces operational bias and supports continuous dataset generation.
• Abstract（参考訳）: サイバーセキュリティの研究は、トラフィックトレース、ログ、ラベル付きデータセットなどの再現可能な証拠にますます依存しているが、ほとんどの公開データセットは静的のままであり、制御された再実行とトレーサビリティ、特に異種マルチプロトコール環境では限定的なサポートを提供している。 本稿では、コンテナネイティブなシナリオ指向テストベッドであるNetSecBedについて、特にIoT、IIoT、広汎なマルチプロトコル環境に適した制御条件下でのネットワークトラフィックエビデンスと実行アーティファクトの再現可能な生成について述べる。 このフレームワークは60のアタックシナリオ、9つのターゲットサービス、良質なトラフィックジェネレータを単一目的のコンテナとして統合し、宣言的な仕様を通じてプラグインとプレイの拡張性とトレーサビリティを可能にする。 パイプラインはパラメタライズされた実行、パケットキャプチャ、ログ収集、サービスプロファイリング、機能抽出、データセットの統合を自動化する。 主な貢献は、繰り返し、監査可能、拡張可能なサイバーセキュリティ実験フレームワークで、運用上のバイアスを低減し、継続的なデータセット生成をサポートする。

関連論文リスト

• GO-GenZip: Goal-Oriented Generative Sampling and Hybrid Compression [50.76941829813458]
  現在のネットワークデータテレメトリパイプラインは、複数の分散ソースから中央アグリゲータへの、きめ細かいキーパフォーマンス指標(KPI)の巨大なストリームで構成されている。 本研究は、目標指向の観点からネットワークテレメトリを再設計する、ジェネレーティブAI(GenAI)駆動サンプリングとハイブリッド圧縮フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-20T16:33:15Z)
• Nimbus: A Unified Embodied Synthetic Data Generation Framework [51.55989844555466]
  データボリュームと多様性のスケーリングは、インボディードインテリジェンスを一般化するために重要である。 我々は、異種ナビゲーションと操作パイプラインを統合するために設計された統合合成データ生成フレームワークであるNimbusを紹介する。 評価の結果,Nimbusは最適化されていないベースラインに比べてエンドツーエンドのスループットが2～3倍向上していることがわかった。
  論文  参考訳（メタデータ） (2026-01-29T09:27:31Z)
• PyTupli: A Scalable Infrastructure for Collaborative Offline Reinforcement Learning Projects [5.744272697629195]
  オフライン強化学習(RL)は,事前収集データから制御ポリシを学習するための強力なパラダイムとして注目を集めている。 PyTupliはPythonベースのツールで、ベンチマーク環境の作成、ストレージ、普及を効率化する。
  論文  参考訳（メタデータ） (2025-05-22T14:59:20Z)
• Technical Report: Generating the WEB-IDS23 Dataset [1.1101390076342181]
  いくつかの広く使われているデータセットは、十分にきめ細かいラベルを含まない。 モジュラートラフィックジェネレータは 様々な良質で悪意のあるトラフィックをシミュレートできます データセットは、82のフローレベルの特徴と21のきめ細かいラベルを持つ1200万以上のサンプルをキャプチャする。
  論文  参考訳（メタデータ） (2025-02-06T09:33:02Z)
• OSPtrack: A Labeled Dataset Targeting Simulated Execution of Open-Source Software [0.0]
  このデータセットには9,461のパッケージレポートが含まれており、そのうち1,962が悪意のあるものである。 データセットには、ファイル、ソケット、コマンド、DNSレコードなどの静的および動的機能が含まれている。 このデータセットは実行時検出をサポートし、検出モデルトレーニングを強化し、エコシステム間の効率的な比較分析を可能にする。
  論文  参考訳（メタデータ） (2024-11-22T10:07:42Z)
• TraceMesh: Scalable and Streaming Sampling for Distributed Traces [51.08892669409318]
  TraceMeshは、分散トレースのためのスケーラブルでストリーミングなサンプリングツールである。 以前は見つからなかったトレース機能を、統一的で合理化された方法で扱える。 TraceMeshは、サンプリング精度と効率の両方において、最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-06-11T06:13:58Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• Breaking the Spurious Causality of Conditional Generation via Fairness Intervention with Corrective Sampling [77.15766509677348]
  条件生成モデルは、トレーニングデータセットから急激な相関を継承することが多い。 これは別の潜在属性に対して不均衡なラベル条件分布をもたらす。 この問題を緩和するための一般的な2段階戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-05T08:09:33Z)
• Scalable Discovery and Continuous Inventory of Personal Data at Rest in Cloud Native Systems [0.0]
  クラウドネイティブシステムは、多数の多パラダイムデータストアを通じて大量の個人データを処理している。 プライバシーエンジニアリングの観点では、個人情報が保存されているすべての正確な場所を追跡することが重要な課題だ。 i) 個人データの安静時のスケーラブルな発見のためのワークフローパターンと,i) クラウドネイティブシステムアーキテクチャと,そのワークフローパターンのオープンソースプロトタイプ実装からなるTeresiasを提案する。
  論文  参考訳（メタデータ） (2022-09-09T10:45:34Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)

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。