論文の概要: Adversarial Genetic Programming for Cyber Security: A Rising Application Domain Where GP Matters

• arxiv url: http://arxiv.org/abs/2004.04647v1
• Date: Tue, 7 Apr 2020 00:13:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 23:21:43.651690
• Title: Adversarial Genetic Programming for Cyber Security: A Rising Application Domain Where GP Matters
• Title（参考訳）: サイバーセキュリティのための敵対的遺伝的プログラミング:gpが重要なアプリケーションドメイン
• Authors: Una-May O'Reilly and Jamal Toutouh and Marcos Pertierra and Daniel Prado Sanchez and Dennis Garcia and Anthony Erb Luogo and Jonathan Kelly and Erik Hemberg
• Abstract要約: サイバーセキュリティのための敵対的遺伝的プログラミングは、サイバー敵の行動と彼らのエンゲージメントのダイナミクスを研究する研究トピックである。 これは、GPで異なる抽象化を表現することによって、複雑な振る舞いの進化に関する研究の疑問を喚起する。 本稿では、RIVALSと呼ばれるネットワークセキュリティアームレースの研究を支援するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.336476147660383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber security adversaries and engagements are ubiquitous and ceaseless. We delineate Adversarial Genetic Programming for Cyber Security, a research topic that, by means of genetic programming (GP), replicates and studies the behavior of cyber adversaries and the dynamics of their engagements. Adversarial Genetic Programming for Cyber Security encompasses extant and immediate research efforts in a vital problem domain, arguably occupying a position at the frontier where GP matters. Additionally, it prompts research questions around evolving complex behavior by expressing different abstractions with GP and opportunities to reconnect to the Machine Learning, Artificial Life, Agent-Based Modeling and Cyber Security communities. We present a framework called RIVALS which supports the study of network security arms races. Its goal is to elucidate the dynamics of cyber networks under attack by computationally modeling and simulating them.
• Abstract（参考訳）: サイバーセキュリティの敵やエンゲージメントはユビキタスで絶え間ない。 我々は,遺伝的プログラミング(GP)を用いて,サイバー敵の行動と,その関与のダイナミクスを再現し,研究する研究テーマである,サイバーセキュリティのための敵対的遺伝的プログラミング(Adversarial Genetic Programming for Cyber Security)について述べる。 サイバーセキュリティの敵対的遺伝的プログラミングは、重要な問題領域において、現存する即座の研究努力を包含しており、gpの重要領域であるフロンティアにおける位置を占めている。 さらに、gpで異なる抽象化を表現し、機械学習、人工生命、エージェントベースのモデリング、サイバーセキュリティコミュニティと再接続する機会を提供することで、複雑な行動の進化に関する研究を促進させる。 本稿では、RIVALSと呼ばれるネットワークセキュリティアームレースの研究を支援するフレームワークを提案する。 その目標は、攻撃対象のサイバーネットワークのダイナミクスをコンピュータでモデル化し、シミュレーションすることで解明することである。

関連論文リスト

• Attack Atlas: A Practitioner's Perspective on Challenges and Pitfalls in Red Teaming GenAI [52.138044013005]
  生成AI、特に大規模言語モデル(LLM)は、製品アプリケーションにますます統合される。 新たな攻撃面と脆弱性が出現し、自然言語やマルチモーダルシステムにおける敵の脅威に焦点を当てる。 レッドチーム(英語版)はこれらのシステムの弱点を積極的に識別する上で重要となり、ブルーチーム(英語版)はそのような敵の攻撃から保護する。 この研究は、生成AIシステムの保護のための学術的な洞察と実践的なセキュリティ対策のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2024-09-23T10:18:10Z)
• A Survey on the Application of Generative Adversarial Networks in Cybersecurity: Prospective, Direction and Open Research Scopes [1.3631461603291568]
  GAN(Generative Adversarial Networks)は、常に変化するセキュリティ問題に対処する強力なソリューションとして登場した。 本研究は, サイバーセキュリティの防衛強化において, GANを的確に捉えた深層学習モデルの重要性について検討した。 焦点は、これらのドメインにおけるサイバーセキュリティの防御を強化するために、GANがいかに影響力のあるツールになり得るかを調べることである。
  論文  参考訳（メタデータ） (2024-07-11T19:51:48Z)
• Generative AI in Cybersecurity [0.0]
  生成人工知能(GAI)は、データ分析、パターン認識、意思決定プロセスの分野を変える上で重要な役割を担っている。 GAIは急速に進歩し、サイバーセキュリティプロトコルや規制フレームワークの現在のペースを超越している。 この研究は、マルウェア生成におけるGAIの高度な利用に対抗するために、より複雑な防衛戦略を積極的に特定し、開発する組織にとって重要な必要性を強調している。
  論文  参考訳（メタデータ） (2024-05-02T19:03:11Z)
• Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
  Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。 本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。 私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
  論文  参考訳（メタデータ） (2024-02-21T06:22:41Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• A Survey on Explainable Artificial Intelligence for Cybersecurity [14.648580959079787]
  説明可能な人工知能(XAI)は、決定と行動に対して明確かつ解釈可能な説明を提供する機械学習モデルを作成することを目的としている。 ネットワークサイバーセキュリティの分野では、XAIは、サイバー脅威の振る舞いをよりよく理解することで、ネットワークセキュリティへのアプローチ方法に革命をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-03-07T22:54:18Z)
• Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop at AAAI 2022 [55.573187938617636]
  ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。 サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
  論文  参考訳（メタデータ） (2022-02-28T18:27:41Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)
• Machine Learning in Generation, Detection, and Mitigation of Cyberattacks in Smart Grid: A Survey [1.3299946892361474]
  スマートグリッド(スマートグリッド、英: Smart grid、SG)は、現代のサイバー・物理機器を利用した複雑なサイバー物理システムである。 サイバー攻撃は、最先端のシステムの使用と進歩に直面する主要な脅威である。 機械学習(ML)は、攻撃者やシステムオペレーターによるSGのサイバー攻撃を悪用し、防御するために使用されている。
  論文  参考訳（メタデータ） (2020-09-01T05:16:51Z)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。