論文の概要: Rethinking Software-Defined Networking Link Discovery with Dynamic Randomization
- arxiv url: http://arxiv.org/abs/2609.14805v1
- Date: Sun, 13 Sep 2026 21:34:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.976696
- Title: Rethinking Software-Defined Networking Link Discovery with Dynamic Randomization
- Title（参考訳）: 動的ランダム化によるソフトウェア定義型ネットワークリンク発見の再考
- Abstract要約: 重要な洞察は、SDNコントローラが発見パケットに意味のある情報を埋め込むことなくトポロジを推論できるということである。
本稿では,トポロジ的攻撃を同時に防止・検出する動的リンク発見プロトコルChameleonDiscを提案する。
252リンクトポロジーでは、正当性のあるリンク変更は1.37-4.53、悪意のあるリレー検出は4.06である。
- 参考スコア（独自算出の注目度）: 15.240477630402586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Software-defined networking (SDN) separates the control and data planes, enabling programmable, centralized network management. A core SDN service is topology discovery --- a periodic process that identifies network links. However, our analysis of five open-source SDN controllers and ten discovery protocols shows that all remain vulnerable to at least one form of link-fabrication attack. The common root cause is their reliance on traditional Link Layer Discovery Protocol (LLDP) packets, whose static identifiers expose their discovery purpose and attract adversaries to exploit them. We propose ChameleonDisc, a dynamic link-discovery protocol that simultaneously prevents and detects topology-poisoning attacks by eliminating this root cause. Our key insight is that an SDN controller can infer topology without embedding meaningful information in discovery packets. ChameleonDisc removes targetable static LLDP signatures and employs a moving-target defense that combines decoy, obfuscation, and camouflage techniques instantiated dynamically at runtime to prevent topology poisoning and detect manipulation. We implement ChameleonDisc on OpenDaylight and demonstrate effectiveness against all identifier-based topology-poisoning attacks. On a 252-link topology, median convergence is 1.37--4.53\,s for legitimate link changes and 4.06\,s for malicious relay detection, with 13.0 percentage points of additional mean CPU and negligible retained-heap difference. Across topologies up to 816 links, ChameleonDisc provides a tunable security--performance trade-off; expanding discovery intervals reduces CPU and mapping state at the cost of increased attack-detection latency.
- Abstract（参考訳）: ソフトウェア定義ネットワーク(SDN)は、制御プレーンとデータプレーンを分離し、プログラム可能な集中型ネットワーク管理を可能にする。
SDNの中核となるサービスは、トポロジディスカバリ -- ネットワークリンクを識別する定期的なプロセス -- である。
しかし,5つのオープンソースSDNコントローラと10の発見プロトコルを解析した結果,リンクファブリケーション攻撃の少なくとも1つの形態に対して脆弱な状態にあることが明らかとなった。
共通のルーツは、従来のリンク層ディスカバリプロトコル(LLDP)パケットに依存しており、静的な識別子は発見の目的を公開し、敵を引き寄せて悪用する。
本稿では,この根本原因を排除してトポロジ的攻撃を同時に防止し,検出する動的リンク発見プロトコルChameleonDiscを提案する。
私たちのキーとなる洞察は、SDNコントローラが発見パケットに意味のある情報を埋め込むことなくトポロジを推論できるということです。
ChameleonDiscはターゲット可能な静的LLDPシグネチャを削除し、トポロジー中毒を防止し、操作を検出するために、実行時に動的にインスタンス化されたデコイ、難読化、カモフラージュ技術を組み合わせた移動ターゲットディフェンスを使用する。
We implement ChameleonDisc on OpenDaylight and demonstrate effective against all ID-based topology-poisoning attack。
252リンクトポロジーでは、正当性のあるリンク変更は1.37-4.53\、悪意のあるリレー検出は4.06\、追加の平均CPUは13.0ポイント、無視可能な保持ヒープ差は1.37-4.53\である。
ChameleonDiscは816リンクまでのトポロジにわたって、変更可能なセキュリティ-パフォーマンストレードオフを提供する。
関連論文リスト
- Robust and Precise Application Fingerprinting on 5G Physical Uplink Channel [14.703722937793641]
空気フィンガープリンティングは、細胞制御チャネルからメタデータを嗅ぎ出すことによってアプリケーションアクティビティを推測する。
5Gはこれらのチャネルを暗号化し、以前の攻撃が依存していたアタックチェーンを破る。
本稿では,暗号化をバイパスする物理層側チャネルを明らかにする。
論文 参考訳（メタデータ） (2026-06-13T09:36:34Z) - ShieldNet: Network-Level Guardrails against Emerging Supply-Chain Injections in Agentic Systems [56.613157564882925]
悪意のある行動は、一見良心的なツールに埋め込まれ、エージェントの実行を静かにハイジャックしたり、機密データをリークしたり、無許可のアクションをトリガーしたりする。
影響は拡大しているが、このような脅威を評価するための包括的なベンチマークは今のところ存在しない。
実ネットワークの相互作用を観測してサプライチェーン中毒を検出するネットワークレベルのガードレールフレームワークであるShieldNetを提案する。
論文 参考訳（メタデータ） (2026-04-06T05:15:00Z) - immUNITY: Detecting and Mitigating Low Volume & Slow Attacks with Programmable Switches and SmartNICs [6.281749009259195]
最大71%のフローは、ポートスキャンのような低体積ネットワーク攻撃を示す不審な振る舞いを含む。
我々は、スイッチとSmartNICの両方の機能を組み合わせることで、重いヒットターフローを追跡する以前の作業を拡張し、低体積および遅い攻撃を検出する。
我々はこれらのデバイス間でデータ構造更新を迅速にコーディネートするためのデータプレーンベースのプロトコルを開発した。
論文 参考訳（メタデータ） (2026-03-21T00:06:45Z) - Proactive DDoS Detection and Mitigation in Decentralized Software-Defined Networking via Port-Level Monitoring and Zero-Training Large Language Models [3.6260109722491465]
Software-Defined Networking (cSDN)は、柔軟でプログラム可能なネットワーク制御を提供するが、スケーラビリティと信頼性の問題に悩まされている。
分散化されたSDN(dSDN) 複数のローカルコントローラ間で制御を分散することで、これらの懸念を緩和する。
このアーキテクチャは、Denial-of-Service(DDoS)攻撃に対して非常に脆弱である。
本稿では,dSDN環境に適した新しい検出・緩和フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-01T08:57:29Z) - Heimdallr: Fingerprinting SD-WAN Control-Plane Architecture via Encrypted Control Traffic [16.693147759883534]
大規模ネットワークを柔軟に操る新たなパラダイムとして,ソフトウェア定義広域ネットワーク(SD-WAN)が登場した。
We propose a new SD-WAN fingerprinting system, called Heimdallr。
SD-WANクラスタ管理プロトコルの周期的および運用的パターンを分析する。
論文 参考訳（メタデータ） (2025-10-18T12:01:51Z) - Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols [80.68060125494645]
プロトコルとモニタモデルを知っている信頼できないモデルによるアダプティブアタックについて検討する。
我々は、攻撃者がモデル出力に公知またはゼロショットプロンプトインジェクションを埋め込む単純な適応攻撃ベクトルをインスタンス化する。
論文 参考訳（メタデータ） (2025-10-10T15:12:44Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z) - Manipulating OpenFlow Link Discovery Packet Forwarding for Topology Poisoning [7.162877379128359]
トポロジ情報を変更するために OpenFlow リンクフォワードを操作する新しいトポロジ中毒技術である Marionette を紹介する。
我々のアプローチは見過ごされているが、広範囲にわたる攻撃ベクトルを露呈する。
Marionetteは5つのオープンソースコントローラと9つのOpenFlowベースのディスカバリプロトコルをうまく攻撃する。
論文 参考訳（メタデータ） (2024-08-29T23:30:36Z) - Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial
Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。
再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文 参考訳（メタデータ） (2022-12-20T17:13:22Z) - TANTRA: Timing-Based Adversarial Network Traffic Reshaping Attack [46.79557381882643]
本稿では,TANTRA(Adversarial Network Traffic Reshaping Attack)を提案する。
我々の回避攻撃は、ターゲットネットワークの良性パケット間の時間差を学習するために訓練された長い短期記憶(LSTM)ディープニューラルネットワーク(DNN)を利用する。
TANTRAは、ネットワーク侵入検出システム回避の平均成功率99.99%を達成します。
論文 参考訳（メタデータ） (2021-03-10T19:03:38Z) - Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。
本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。
本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
論文 参考訳（メタデータ） (2020-07-28T19:00:40Z)
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。