ネットワークセキュリティ

サインイン

インサイト - ネットワークセキュリティ

グループ分布頑健最適化を用いることで、ネットワークトラフィック分類におけるクラスアンバランスの影響を抑制できる。

ネットワーク検閲回避システムは、人気のカバーアプリケーションと同じネットワークチャネルを使用するが、ネットワーク要件の違いにより、検閲者が選択的にチャネルを劣化させることで、カバーアプリケーションよりも大きな性能低下を引き起こすことができる。

大規模言語モデルを使って、さまざまなタイプのハニートークンを自動生成する手法を提案し、その有効性を検証した。

量子コンピューティングの台頭により、従来の暗号化アルゴリズムに基づくネットワークプロトコルの安全性が脅かされている。本研究では、量子コンピューティングが及ぼすネットワークプロトコルの脆弱性を包括的に分析し、量子安全な代替策を探索する。

Generative Adversarial Networks (GANs)を活用することで、ネットワーク型侵入検知システムの性能を大幅に向上させることができる。

ML技術を用いたネットワーク侵入検知システムにおいて、予測の不確実性を適切に定量化することで、閉じた環境での高精度な分類性能と、未知の攻撃の検知を両立できる。

ドメイン生成アルゴリズム検出器の堅牢性を大幅に向上させるための新しい訓練手法を提案する。

ルーターのNAT動作の脆弱性を悪用し、オフパス型攻撃者がWi-Fiネットワーク内の他のクライアントとサーバ間のTCP接続を検知、乗っ取り、および改ざんできる。

動的学習を採用したネットワーク型侵入検知システムは、敵対的攻撃に対する耐性が高いことが示された。敵対的攻撃の効果は、モデルの再学習によって大幅に低減される。

ソフトウェア定義ネットワークにおけるステルス攻撃を検出するための増分型ハイブリッド適応型ネットワーク型IDSを提案する。

会社概要

プロダクト

リソース