文献

J-GLOBAL ID：202002288394014178   整理番号：20A2694339

ELD:IoTネットワークにおけるエッジ学習を用いた混合エネルギー枯渇攻撃の下での悪意ノードの適応検出【JST・京大機械翻訳】

ELD: Adaptive Detection of Malicious Nodes under Mix-Energy-Depleting-Attacks Using Edge Learning in IoT Networks

著者 (3件)： Ma Zuchao (Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Liu Liang (Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Meng Weizhi (Technical University of Denmark, Lyngby, Denmark)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12472  ページ： 255-273  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 分散フレームワークにより,モノのインターネット(IoT)は,エネルギー枯渇攻撃のようなインサイダ攻撃に脆弱であり,そこでは,攻撃者がIoTデバイスの電池を消費するために悪意に行動できる。そのような攻撃は,攻撃者が様々な環境下で異なる挙動を持ち,攻撃経路を決定するのが難しいので,検出が困難である。本研究では,この課題に焦点を当て,混合エネルギー枯渇攻撃と呼ばれる先進エネルギー枯渇攻撃を考察し,それは,自動車攻撃,フラッディング攻撃,および再生攻撃のような3つの典型的攻撃を結合した。検出に関しては,侵入エッジを構築することにより悪意のあるトラヒックを学習できるEdge学習検出(ELD)と呼ばれるアプローチを提案し,侵入グラフを構築することにより悪意のあるノードを同定できる。前もってシステム訓練のためのラベル付きデータを提供することが非現実的であるという問題を克服するために,著者らの提案したELDは,自動的にラベル付けトラフィックによって検出の間,そのモデルを訓練することができた。次に,得られた検出結果を用いて,実際の攻撃の検出におけるELDの適応性を最適化した。評価では,いくつかの類似の方法と比較して,ELDは,コンクリート条件に従って,5%から40%の範囲のより良い検出率を全体的に提供することができた。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  電池 ,  *学習 ,  自動車 ,  *ネットワーク ,  コンクリート ,  フラッディング ,  適応性
準シソーラス用語： インサイダ ,  脆弱性 ,  検出率 ,  *モノのインターネット ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (5件)： IoTネットワーク ,  悪性結節 ,  インサイダー攻撃 ,  エッジ学習 ,  混合エネルギー枯渇攻撃

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (8件)： IoT ,  エッジ ,  学習 ,  エネルギー ,  枯渇 ,  攻撃 ,  ノード ,  適応検出