論文の概要: Beyond Smart Homes: Characterizing IoT Vulnerabilities Across Sectors, Vendors, and Products
- arxiv url: http://arxiv.org/abs/2610.42032v1
- Date: Fri, 30 Oct 2026 16:59:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.822218
- Title: Beyond Smart Homes: Characterizing IoT Vulnerabilities Across Sectors, Vendors, and Products
- Title(参考訳): スマートホームを超えて - セクタ、ベンダ、製品間のIoT脆弱性を特徴付ける
- Abstract要約: IoT(Internet of Things)は、消費者向けスマートホームを越えて、産業システムやヘルスケア、スマートシティといったセクターにも拡張されている。
これまでの経験的な研究は、IoTの脆弱性の特徴や特定のプロトコルを集約する研究に重点を置いてきた。
15,000以上の特定のCVEのデータセットを使用して、IoT脆弱性の詳細なデータ駆動分析を行う。
- 参考スコア(独自算出の注目度): 2.2195654683921657
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Internet of Things (IoT) has expanded beyond consumer smart homes to sectors, such as industrial systems, healthcare, and smart cities, broadening the IoT attack surface. Prior empirical work has focused on studying aggregate IoT vulnerability characteristics or specific protocols, so patching is directed by aggregate security guidance. However, if dominant weaknesses differ substantially across sectors or products, such uniform guidance misdirects the remediation effort. To address this gap, we present a fine-grained, data-driven analysis of IoT vulnerabilities using a dataset of more than 15,000 IoT specific CVEs. We design a pipeline to enrich noisy CPE (Common Platform Enumeration) metadata, normalizing vendors and products, then assigning product type and sector labels using lexical matching, fuzzy clustering, and LLM-assisted classification. We find meaningful differences in the weakness profile of IoT sectors. For example, healthcare is dominated by authentication and credential weaknesses, while automotive faces memory issues. More importantly, we find that weakness profiles are more similar across different product types from the same vendor than across the same product type built by different vendors. This suggests vendor-level factors such as shared code and development practices dominate weakness inheritance, making a vendor's disclosure history informative about its other products. Our findings suggest weakness classes should be used to prioritize remediation efforts.
- Abstract(参考訳): IoT(Internet of Things)は、一般消費者のスマートホームを越えて、産業システムやヘルスケア、スマートシティといったセクターにまで拡大し、IoT攻撃面を広げている。
これまでの経験的な研究は、IoTの脆弱性の特徴や特定のプロトコルを集約する研究に重点を置いてきた。
しかし、もし支配的な弱点がセクターや製品によって大きく異なる場合、このような一様ガイダンスは修復努力を誤って誘導する。
このギャップに対処するために、15,000以上のIoT固有のCVEのデータセットを使用して、IoT脆弱性のきめ細かいデータ駆動分析を行う。
ノイズの多いCPE(Common Platform Enumeration)メタデータを豊かにし、ベンダーや製品を標準化し、語彙マッチング、ファジィクラスタリング、LCM支援分類を用いて製品タイプとセクターラベルを割り当てるパイプラインを設計する。
IoTセクターの弱点プロファイルには,有意義な違いが見られます。
例えば、医療は認証とクレデンシャルの弱点に支配されている一方、自動車はメモリの問題に直面している。
さらに重要なのは、弱点プロファイルが、異なるベンダーによって構築された同じ製品タイプよりも、同じベンダーの異なる製品タイプに共通していることです。
これは、共有コードや開発プラクティスのようなベンダーレベルの要因が弱点の継承を支配しており、ベンダーの開示履歴を他の製品に知らせていることを示唆している。
本研究は, 修復作業の優先順位付けに弱点クラスを用いるべきであることを示唆している。
関連論文リスト
- What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents [81.23160457293714]
LLMエージェントは、外部環境とのインタラクションの方法を学ぶために、生成されるインタラクションデータにますます依存している。
既存の作業は多くのエージェントドメインにまたがっているが、ドメイン中心の組織と不均一な評価はしばしば共通生成機構を曖昧にしている。
この研究は、この分野のための2段階のフレームワークを開発する。
論文 参考訳(メタデータ) (2026-08-27T15:43:50Z) - CLAD: A Clustered Label-Agnostic Federated Learning Framework for Joint Anomaly Detection and Attack Classification [7.2780885662220065]
Internet of Things(IoT)とIndustrial IoT(IIoT)は、巨大で異質なアタックサーフェスを作成しました。
本稿では,Clustered Federated Learning(CFL)を新しいDual-Mode Micro-Architectureにシームレスに組み込む,包括的なフレームワークであるCLADを提案する。
論文 参考訳(メタデータ) (2026-05-07T17:01:19Z) - Things that Matter -- Identifying Interactions and IoT Device Types in Encrypted Matter Traffic [0.9176056742068813]
我々は、Matter IoT標準のロバスト性を、受動的盗聴者によって実行される暗号化トラフィック分析に分析する。
暗号化されたMatterトラフィックのメタデータのパターンを特定し、エンドデバイスとコントローラの間で発生した特定のインタラクションを推測する。
これらのパターンは、受動的攻撃者がネットワークで使用されるデバイスのタイプを推測できる指紋を作成するために使用することができる。
論文 参考訳(メタデータ) (2026-02-02T10:34:06Z) - Understanding Privacy Risks in Code Models Through Training Dynamics: A Causal Approach [58.05800140178267]
コードのための大規模言語モデル(LLM4Code)は、開発者の生産性を大幅に改善しただけでなく、プライバシの懸念も高めた。
LLM4Codeによって学習・リークされる可能性において,異なるPIIタイプが異なるかどうかを検討する。
その結果, 漏洩リスクはPIIタイプによって大きく異なり, トレーニングのダイナミクスと相関していることがわかった。
この研究は、漏洩リスクがタイプ依存であることを示す最初の因果的証拠を提供し、タイプ認識と学習可能性認識の防御を開発するためのガイダンスを提供する。
論文 参考訳(メタデータ) (2025-12-08T18:47:40Z) - Prompt Engineering vs. Fine-Tuning for LLM-Based Vulnerability Detection in Solana and Algorand Smart Contracts [1.0255673932966183]
本稿では,大規模言語モデル(LLM)がスマートコントラクトの脆弱性を検出する能力について検討する。
SolanaとAlgorandのスマートコントラクトエコシステムに注力しています。
この結果から,LLMに基づくアプローチはスマートコントラクトの静的脆弱性検出に有効であることが示唆された。
論文 参考訳(メタデータ) (2025-11-14T12:50:36Z) - Classification of cyber attacks on IoT and ubiquitous computing devices [49.1574468325115]
本稿ではIoTマルウェアの分類について述べる。
攻撃の主要なターゲットと使用済みのエクスプロイトが特定され、特定のマルウェアを参照される。
現在のIoT攻撃の大部分は、相容れない低い労力と高度なレベルであり、既存の技術的措置によって緩和される可能性がある。
論文 参考訳(メタデータ) (2023-12-01T16:10:43Z) - Robustifying Token Attention for Vision Transformers [72.07710236246285]
ビジョントランスフォーマー(ViT)は、一般的な汚職の存在下でも精度が著しく低下している。
本稿では,2つの一般的な手法を用いて,より注意を安定させる2つの手法を提案する。
まず,Token-Aware Average Pooling (TAP)モジュールは,各トークンの局所的近傍に注意機構に参加することを奨励する。
第二に、出力トークンは、ほんの少しだけに集中するのではなく、多様な入力トークンの集合から情報を集約するように強制する。
論文 参考訳(メタデータ) (2023-03-20T14:04:40Z) - Effectiveness of Transformer Models on IoT Security Detection in
StackOverflow Discussions [0.0]
IoT Security dataset"は、IoTセキュリティに関する議論に特化した7147のサンプルからなる、ドメイン固有のデータセットである。
IoTセキュリティに関する議論は、従来のセキュリティに関する議論とは異なる、より複雑であることがわかった。
論文 参考訳(メタデータ) (2022-07-29T08:18:03Z) - Creating Training Sets via Weak Indirect Supervision [66.77795318313372]
Weak Supervision (WS)フレームワークは、複数の潜在的にノイズの多い監督ソースからトレーニングラベルを合成する。
Weak Indirect Supervision (WIS) は、トレーニングラベルの自動合成のための新しい研究課題である。
我々は,ユーザが提供するラベル関係を利用して間接的な監督源をモデル化し活用する確率論的モデリング手法PLRMを開発した。
論文 参考訳(メタデータ) (2021-10-07T14:09:35Z) - V2W-BERT: A Framework for Effective Hierarchical Multiclass
Classification of Software Vulnerabilities [7.906207218788341]
本稿では,Transformer-based learning framework(V2W-BERT)を提案する。
自然言語処理,リンク予測,転送学習のアイデアを用いることで,従来の手法よりも優れる。
ランダムに分割されたデータの予測精度は最大97%、一時分割されたデータの予測精度は最大94%です。
論文 参考訳(メタデータ) (2021-02-23T05:16:57Z)
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。