文献

J-GLOBAL ID：202202268745998629   整理番号：22A0702257

サイバー攻撃のリアルタイム予測のためのセキュリティ解析【JST・京大機械翻訳】

Security analytics for real-time forecasting of cyberattacks

著者 (4件)： Javed Amir (School of Computer Science and Informatics, Cardiff University, Cardiff, Wales) ,  Lakoju Mike (School of Computer Science and Informatics, Cardiff University, Cardiff, Wales) ,  Burnap Pete (School of Computer Science and Informatics, Cardiff University, Cardiff, Wales) ,  Rana Omer (School of Computer Science and Informatics, Cardiff University, Cardiff, Wales)
資料名： Software: Practice & Experience  (Software: Practice & Experience)
巻： 52  号： 3  ページ： 788-804  発行年： 2022年 
JST資料番号： E0674A  ISSN： 0038-0644  CODEN： SPEXBL  資料種別： 逐次刊行物 (A)
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： ネットワークコンピューティングインフラストラクチャ(例えば,モノのインターネット,産業制御システム,およびEdgeコンピューティング)の保護は,そのような装置とネットワーク/Cloudベースのホスト(特に産業4.0環境)の間の相互作用の連続監視に依存する。このリアルタイムモニタリングは,そのようなネットワークインフラストラクチャへの進化と新興の脅威を定量化する分析者を可能にする。観測サイバースにおけるパターン同定のためのフレームワークと,ネットワークインフラストラクチャへの新興脅威の成長を予測するためのこれらのパターンの使用を提案した。このフレームワークは,最大脅威強度およびこの最大強度が生起する時間期間の予測を可能にする。提案フレームワークは,(a)デバイス/ネットワーク活動の連続モニタリング,(b)指数加重移動平均を用いた予測挙動,(c)サイバータックの潜在的強度を推定するためのFibonacci再追跡の利用,および(d)事前定義時間窓上の潜在的リスクを予測する機械学習戦略,(d),(d)高リスク閾値の応答時間予測のための線形回帰,および(d)線形回帰,を統合,(b)予測行動,(b)予測挙動,および(d)事前定義時間窓に対する潜在的リスクを予測するための線形回帰,を統合した。この手法を用いて,実世界ネットワーク活動データを用いて予測と実際の攻撃の間の時間間隔を生成できる。著者らの結果は,約1.75時間の平均リードタイムを示し,攻撃と対抗の影響を制限する機会の窓を提供した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  ネットワーク ,  環境 ,  調達期間 ,  応答時間 ,  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： 時間窓 ,  線形回帰 ,  実時間 ,  リアルタイムモニタリング ,  モノのインターネット ,  ネットワークインフラストラクチャー , 【Automatic Indexing@JST】

著者キーワード (4件)： サイバーセキュリティ ,  マルウェア ,  セキュリティリスク ,  Webセキュリティ

分類 (2件)： 計算機網  (JC03000K) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (4件)： サイバー攻撃 ,  リアルタイム ,  予測 ,  セキュリティ解析