基于机器学习方法检测生物-网络DNA存储系统中的威胁
密码学与安全
2020-09-29 v1 新兴技术
机器学习
摘要
数据存储是本世纪主要的计算问题之一。不仅存储设备正逼近严格的物理极限，用户所生成数据量也以惊人的速度增长。为应对这些挑战，过去数十年数据中心持续扩张。然而，这种增长是有代价的，尤其从环境角度看。在各种有前景的介质中，DNA是最引人注目的候选之一。在我们前期工作中，提出了一种自动化归档架构，利用生物工程细菌存储与检索先前编码为DNA的数据。该存储技术是关于生物介质如何提供高能效存储方案的一个例证。这些生物介质与传统介质的相似性也可能成为缺点，因为恶意方可能利用生物仪器与技术在前述归档系统上复现传统攻击。本文中，我们首先分析所提存储系统的特征及可能施加于其上的各类攻击。进而，为识别进行中的攻击，我们提出并评估了依赖传统度量与机器学习算法的检测技术。为此我们识别并调整了两个适用度量：广义熵与信息距离。此外，我们训练的模型取得了超过0.99的AUROC与超过0.91的AUPRC。
引用
@article{arxiv.2009.13380,
title = {A Machine Learning-based Approach to Detect Threats in Bio-Cyber DNA Storage Systems},
author = {Federico Tavella and Alberto Giaretta and Mauro Conti and Sasitharan Balasubramaniam},
journal= {arXiv preprint arXiv:2009.13380},
year = {2020}
}
备注
12 pages, 21 figures