AdIoTack:IoTネットワーク上の敵対的容量攻撃に対する決定木アンサンブル推論モデルの定量化と精密化【JST・京大機械翻訳】

Pashamokhtari Arman; Batista Gustavo; Gharakheili Hassan Habibi

プレプリント

J-GLOBAL ID：202202202133489246 整理番号：22P0306442

AdIoTack:IoTネットワーク上の敵対的容量攻撃に対する決定木アンサンブル推論モデルの定量化と精密化【JST・京大機械翻訳】

AdIoTack: Quantifying and Refining Resilience of Decision Tree Ensemble Inference Models against Adversarial Volumetric Attacks on IoT Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月18日プレプリントサーバーでの情報更新日： 2022年03月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

機械学習ベース技術はサイバー知能の成功を示した。しかし,それらは,誤予測をもたらす洗練されたデータ駆動敵対攻撃のターゲットになっており,ネットワークデバイス上の脅威を検出する能力の浸食を招いている。本論文では,広告攻撃に対するディシジョンツリーの脆弱性を強調するシステムであるAdIoTackを提示し,サイバーセキュリティチームは,IoTネットワークを監視するための訓練されたモデルのレジリエンスを定量化および精密化する。最悪ケースシナリオのモデルを評価するために,AdIoTackは,ディシジョンツリーアンサンブルモデルが止められない,成功した体積攻撃を打ち出すために,ホワイトボックス敵対学習を実行する。著者らの最初の貢献は,訓練されたディシジョンツリーアンサンブルモデルと,入力として犠牲者クラス上の意図されたネットワークベースの攻撃のプロファイルを取るホワイトボックスアルゴリズムを開発することである。そして,次に,自動的に推論モデルを迂回することができなかった攻撃パケット(15%のオーバヘッド未満)のトップに特定のパケットを指定するレシピを自動的に作り出す。生成された攻撃インスタンスはIPネットワーク上を打ち上げ,それらの体積インパクトに有効であることを証明した。第2の貢献は,犠牲者IoT装置の半分に敵対的トラフィック(実行可能)を注入し,意図した攻撃を打ち上げて,接続したデバイスのネットワーク挙動をモニターする方法を開発する。第3の貢献プロトタイプAdIoTackは,訓練された推論モデルによってモニターされた実際のIoTデバイスの手ごろいから成るテストベッドに対するその有効性を検証した。著者らは,モデルがどのようにIoTデバイス上のすべての非敵対的体積攻撃を検出するかを示し,一方,多くの敵対者を欠いている。第4の貢献は,訓練されたディシジョンツリーアンサンブルモデルにパッチを適用するための系統的手法を開発し,敵対的体積攻撃に対するレジリエンスを改善する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

データ保護

, , , , , , , ,

前のページに戻る