論文の概要: A Predictive Neural Network Architecture for Early Detection of Low-Rate Cyberattacks

• arxiv url: http://arxiv.org/abs/2606.18771v1
• Date: Wed, 17 Jun 2026 07:30:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.044585
• Title: A Predictive Neural Network Architecture for Early Detection of Low-Rate Cyberattacks
• Title（参考訳）: 低レートサイバー攻撃の早期検出のための予測型ニューラルネットワークアーキテクチャ
• Authors: Mert Nakıp,
• Abstract要約: LDoS(low-Rate Denial of Service)攻撃は、IoTネットワークにおいて大きな課題となる。 本稿では,早期LDoS攻撃検出のための軽量かつプロアクティブなフレームワークであるIDQS(Intrusion Detection via Prediction)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: Low-Rate Denial of Service (LDoS) attacks pose a significant challenge to IoT networks due to their subtle and prolonged nature, often evading traditional intrusion detection systems. This paper presents IDQS (Intrusion Detection via QoS Prediction), a lightweight and proactive framework for early LDoS attack detection. IDQS integrates two new key components: (i) RTP-QoS, a Recurrent Trend Predictive Neural Network that learns and forecasts future Quality of Service (QoS) based on historical traffic patterns, and (ii) PDM, a Pairwise Decision Model that evaluates discrepancies between predicted and actual QoS to identify potential attacks. Evaluated on the public SDN-SlowRate-DDoS and CIC-IDS2017 datasets, IDQS respectively achieves over 79% and 91% detection accuracy across most attack scenarios with high recall and low false negatives, while maintaining an end-to-end inference time of just 0.28 seconds. The results demonstrate the effectiveness and efficiency of IDQS for real-time deployment in resource-constrained IoT environments.
• Abstract（参考訳）: LDoS(Low-Rate Denial of Service)攻撃は、その微妙で長期にわたる性質から、従来の侵入検知システムを回避するために、IoTネットワークに重大な課題となる。 本稿では,早期LDoS攻撃検知のための軽量かつプロアクティブなフレームワークであるIDQS(Intrusion Detection via QoS Prediction)を提案する。 IDQSは2つの新しいキーコンポーネントを統合している。 (i)RTP-QoS - 過去の交通パターンに基づいてサービス品質(QoS)を学習・予測するリカレントトレンド予測ニューラルネットワーク。 (ii) PDM(Pairwise Decision Model)は、予測されたQoSと実際のQoSの相違を評価し、攻撃の可能性を特定する。 公開SDN-SlowRate-DDoSとCIC-IDS2017データセットに基づいて評価され、IDQSは、高いリコールと低い偽陰性を持つほとんどの攻撃シナリオにおいて、それぞれ79%と91%の検出精度を達成し、エンドツーエンドの推論時間はわずか0.28秒である。 その結果、リソース制約されたIoT環境におけるリアルタイムデプロイメントにおけるIDQSの有効性と効率が示された。

関連論文リスト

• An Improved CNN-LSTM Based Intrusion Detection System for IoT Networks [0.0]
  本稿では,多クラス分類,データセット統合,時間的特徴学習を組み合わせた改良型CNN-LSTMによる侵入検出モデルを提案する。 提案手法は,ネットワークトラフィックデータを用いて侵入検知タスクに基づいて評価し,約97%の精度を実現する。
  論文  参考訳（メタデータ） (2026-06-04T07:04:57Z)
• MA-IDS: Multi-Agent RAG Framework for IoT Network Intrusion Detection with an Experience Library [0.0]
  推論駆動型侵入検出のための大規模言語モデルと検索拡張生成を組み合わせたマルチエージェント侵入検出システムMA-IDSを提案する。 NF-BoT-IoTとNF-ToN-IoTベンチマークデータセットの評価。 結果はSVMと競合し、すべての分類決定に対してルールレベルの説明を提供する。
  論文  参考訳（メタデータ） (2026-04-07T05:41:10Z)
• Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
  低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。 従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-25T12:47:25Z)
• CST-AFNet: A dual attention-based deep learning framework for intrusion detection in IoT networks [0.2180739748940442]
  本研究は、IoTネットワークにおけるロバストな侵入検知のための新しいデュアルアテンションベースのディープラーニングフレームワークであるCST AFNetを提案する。 提案モデルでは,15種類の攻撃タイプと良性トラフィックの両方において,優れた精度を実現する。 CST AFNetは、複雑なIoTおよびIIoT環境において、リアルタイムのサイバー脅威検出のための強力でスケーラブルなソリューションであることを確認した。
  論文  参考訳（メタデータ） (2025-10-03T04:36:19Z)
• Dynamic Temporal Positional Encodings for Early Intrusion Detection in IoT [3.6686692131754834]
  IoT(Internet of Things)の急速な拡張は、重大なセキュリティ上の課題をもたらしている。 従来の侵入検知システム(IDS)は、しばしばネットワークトラフィックの時間的特性を見落としている。 動的時間的位置エンコーディングを組み込んだトランスフォーマーを用いた早期侵入検知システム(EIDS)を提案する。
  論文  参考訳（メタデータ） (2025-06-22T17:56:19Z)
• Backdoor Attacks against No-Reference Image Quality Assessment Models via a Scalable Trigger [76.36315347198195]
  No-Reference Image Quality Assessment (NR-IQA) はコンピュータビジョンシステムの評価と最適化において重要な役割を果たしている。 近年の研究では、NR-IQAモデルが敵攻撃の影響を受けやすいことが示されている。 NR-IQA(BAIQA)に対する新規中毒性バックドアアタックを報告した。
  論文  参考訳（メタデータ） (2024-12-10T08:07:19Z)
• Effective Intrusion Detection in Highly Imbalanced IoT Networks with Lightweight S2CGAN-IDS [48.353590166168686]
  モノのインターネット(IoT)ネットワークは、異常なトラフィックよりも遥かに良質なトラフィックを含んでいる。 既存研究の多くは、少数民族の検出率を向上させるために、多数民族の検出率を犠牲にすることに焦点を当てている。 我々はS2CGAN-IDSという軽量なフレームワークを提案し、データ空間と特徴空間の両方においてマイノリティなカテゴリの数を拡大する。
  論文  参考訳（メタデータ） (2023-06-06T14:19:23Z)
• ARLIF-IDS -- Attention augmented Real-Time Isolation Forest Intrusion Detection System [0.0]
  Internet of ThingsとSoftware Defined Networkingは、DDoS攻撃の早期検出に軽量戦略を活用する。 低数の機能に基づいて、迅速かつ効果的なセキュリティ識別モデルを持つことが不可欠である。 本研究は,新規なアテンションベース森林侵入検知システムを提案する。
  論文  参考訳（メタデータ） (2022-04-20T18:40:23Z)
• MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment [73.55944459902041]
  本稿では,深層メタラーニングに基づく非参照IQA尺度を提案する。 まず、様々な歪みに対してNR-IQAタスクを収集する。 次にメタラーニングを用いて、多彩な歪みによって共有される事前知識を学習する。 大規模な実験により、提案された計量は最先端の技術を大きなマージンで上回ることを示した。
  論文  参考訳（メタデータ） (2020-04-11T23:36:36Z)

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。