文献

J-GLOBAL ID：202202224750976000   整理番号：22A0963747

機械学習のためのOWASP IoTトップ10ベースの攻撃データセット【JST・京大機械翻訳】

OWASP IoT Top 10 based Attack Dataset for Machine Learning

著者 (4件)： Min Nay Myat (Mahidol University,Faculty of Information and Communication Technology,Nakhon Pathom,Thailand) ,  Visoottiviseth Vasaka (Mahidol University,Faculty of Information and Communication Technology,Nakhon Pathom,Thailand) ,  Teerakanok Songpon (Mahidol University,Faculty of Information and Communication Technology,Nakhon Pathom,Thailand) ,  Yamai Nariyoshi (Institute of Engineering, Tokyo University of Agriculture and Technology (TUAT),Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICACT  ページ： 317-322  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： モノのインターネット(IoT)システムは,最小セキュリティ保護による自然によりサイバー攻撃に対して高度に感受性が高い。攻撃者のための大規模な攻撃表面を提供するので,それらは,潜在的に壊滅的な影響を有する容易にターゲットになる。研究者は現在,IoTネットワークに対する様々な異常検出システムの開発に焦点を当て,この状況を扱う。しかし,これらのシステムは,悪意のあるトラフィックを正しく分類するために,包括的なラベル付き攻撃データセットを必要とする。本論文は,そのような攻撃データセット,即ち,AIoT-Solデータセットを生成するために,IoTテストベッドを設計し開発するための系統的アプローチを提示した。提案したデータセットは,既存のIoTデータセットにおいて,しばしば過度の攻撃技術と同様に,良性トラヒックを含む。それは,ネットワーク攻撃,Web攻撃,およびWeb IoTメッセージプロトコル攻撃のようないくつかのカテゴリーから17の攻撃タイプを含んでいる。これらの攻撃を,Open Webアプリケーションセキュリティプロジェクト(OWASP)IoTトップ10を参照して選択した。また,すべての10のセキュリティリスクに対する可能な攻撃のマッピングを提供した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  感受性 ,  セキュリティ ,  Web【情報システム】 ,  *機械学習 ,  *サイバー攻撃
準シソーラス用語： テストベッド ,  異常検出 ,  *モノのインターネット ,  攻撃者 , 【Automatic Indexing@JST】

分類 (5件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  IoT ,  トップ ,  攻撃 ,  データセット