MétaCan
Menu
Retour à la cohorte
Enregistrement W4379744163 · doi:10.1109/cictn57981.2023.10141376

The ways in which Artificial Intelligence improves several facets of Cyber Security-A survey

2023· article· en· W4379744163 sur OpenAlexaff
Ramiz Salama, Fadi Al‐Turjman, Chadi Altrjman, Dibyahash Bordoloi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInternet of Things and AI
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer securityArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

With the increase in computer use for the last 10 years, it increases the size of cyber-attacks as well. Since most computers are connected to the network, they may suffer cyber-attacks. Because of these cyber threats, Cyber Security is becoming a really important area in the information technology area. Cyber Security is an area which is mainly responsible for dealing with cyber-attacks by hackers. The improvements and advancements in the information technology area allow cyber criminals to do really complicated and dangerous cyber-attacks. Cyber-attack methods that are being used today are much more effective than the ones in the past. Because of that, there is always a war between cyber security specialists and cyber attackers or hackers. Cyber security analysts, on the other hand, try to come up with new solutions to the methods developed by cyber criminals or hackers. The competition between them continuously advances and improves cyber security technologies every day. The improvements can be either in cyber security or cybercrime side. These days, traditional cyber security solutions are enough to fight against cyber-attacks, but can these solutions be further developed? This is the question everyone in the cyber security area is trying to answer. Of course, yes. Thanks to AI, which is one of the most popular technologies in the information technology area, it is used in many areas ranging from e-commerce, advertising, human resource & recruiting, video games, transportation, surveillance systems etc. AI has been used in cyber security over the last years. Although it also has negative effects, we are going to mostly talk about its positive sides in this article. We are going to go deep into how and why AI is used in cyber security, how AI improves and enhances the current traditional cyber security methods. Then, we will also talk about which AI techniques play an important role in the cyber security area.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,004
Communication savante0,0050,010
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,277
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInternet of Things and AITravaux en français237 207