Fugu-MT 論文翻訳(概要): ProvG-Searcher: A Graph Representation Learning Approach for Efficient Provenance Graph Search

論文の概要: ProvG-Searcher: A Graph Representation Learning Approach for Efficient Provenance Graph Search

arxiv url: http://arxiv.org/abs/2309.03647v2
Date: Tue, 19 Dec 2023 12:24:31 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 22:59:44.275746
Title: ProvG-Searcher: A Graph Representation Learning Approach for Efficient Provenance Graph Search
Title（参考訳）: ProvG-Searcher: 効率的な確率グラフ探索のためのグラフ表現学習アプローチ
Authors: Enes Altinisik, Fatih Deniz, Husrev Taha Sencar,
Abstract要約: ProvG-Searcherは,システムセキュリティログ内の既知のAPT動作を検出する新しい手法である。グラフマッチング問題として前駆体グラフを探索するタスクを定式化し,グラフ表現学習法を用いる。標準データセットに対する実験結果から,ProvG-Searcherはクエリの振る舞いを検出する精度が99%を超え,優れたパフォーマンスを実現していることが示された。
参考スコア（独自算出の注目度）: 13.627536649679577
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present ProvG-Searcher, a novel approach for detecting known APT behaviors within system security logs. Our approach leverages provenance graphs, a comprehensive graph representation of event logs, to capture and depict data provenance relations by mapping system entities as nodes and their interactions as edges. We formulate the task of searching provenance graphs as a subgraph matching problem and employ a graph representation learning method. The central component of our search methodology involves embedding of subgraphs in a vector space where subgraph relationships can be directly evaluated. We achieve this through the use of order embeddings that simplify subgraph matching to straightforward comparisons between a query and precomputed subgraph representations. To address challenges posed by the size and complexity of provenance graphs, we propose a graph partitioning scheme and a behavior-preserving graph reduction method. Overall, our technique offers significant computational efficiency, allowing most of the search computation to be performed offline while incorporating a lightweight comparison step during query execution. Experimental results on standard datasets demonstrate that ProvG-Searcher achieves superior performance, with an accuracy exceeding 99% in detecting query behaviors and a false positive rate of approximately 0.02%, outperforming other approaches.
Abstract（参考訳）: ProvG-Searcherは,システムセキュリティログ内の既知のAPT動作を検出する新しい手法である。提案手法では,イベントログの包括的グラフ表現であるプロフェランスグラフを利用して,システムエンティティをノードとして,インタラクションをエッジとしてマッピングすることで,データプロフェランス関係をキャプチャし,表現する。グラフマッチング問題として前駆体グラフを探索するタスクを定式化し,グラフ表現学習法を用いる。探索手法の中心的な構成要素は,部分グラフ関係を直接評価できるベクトル空間への部分グラフの埋め込みである。本稿では,クエリと事前計算したサブグラフ表現との直接比較を行うために,サブグラフマッチングを簡略化する順序埋め込みを用いることで,これを実現する。証明グラフのサイズと複雑さによって引き起こされる課題に対処するために,グラフ分割方式と行動保存グラフ縮小方式を提案する。全体として,本手法は計算効率を著しく向上させ,検索処理の大部分をオフラインで行なえるようにし,クエリ実行中に軽量な比較ステップを組み込む。 ProvG-Searcherは、クエリの振る舞いを検出する精度が99%を超え、偽陽性率が約0.02%であり、他の手法よりも優れていることを示す。

関連論文リスト

The Graph Lottery Ticket Hypothesis: Finding Sparse, Informative Graph Structure [18.00833762891405]
Graph Lottery Ticket (GLT)仮説: グラフごとに非常に疎いバックボーンが存在する。本研究は,グラフ学習アルゴリズムの性能に直接影響を及ぼす関心の指標を8つ研究する。任意のグラフでこれらのGLTを見つけるための単純で効率的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-12-08T00:24:44Z)
A Simple and Scalable Graph Neural Network for Large Directed Graphs [11.792826520370774]
入力グラフ内のノード表現とエッジ方向認識の様々な組み合わせについて検討する。そこで本研究では,A2DUGを簡易かつ包括的に分類する手法を提案する。我々は、A2DUGが様々なデータセットで安定して動作し、最先端の手法と比較して11.29まで精度が向上することを示した。
論文参考訳（メタデータ） (2023-06-14T06:24:58Z)
Bures-Wasserstein Means of Graphs [60.42414991820453]
本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
論文参考訳（メタデータ） (2023-05-31T11:04:53Z)
Subgraph Matching via Query-Conditioned Subgraph Matching Neural Networks and Bi-Level Tree Search [33.9052190473029]
サブグラフマッチングは、グラフデータベース検索、バイオメディカル分析、ソーシャルグループ検索などにおける中核的な操作である。本稿では,クエリと対象グラフのマッチング情報を動的に計算する,新しいエンコーダ・デコーダニューラルネットワークアーキテクチャを提案する。 5つの大きな実世界のターゲットグラフの実験により、N-BLSはサブグラフマッチング性能を大幅に改善できることが示された。
論文参考訳（メタデータ） (2022-07-21T04:47:21Z)
Optimal Propagation for Graph Neural Networks [51.08426265813481]
最適グラフ構造を学習するための二段階最適化手法を提案する。また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
論文参考訳（メタデータ） (2022-05-06T03:37:00Z)
Interactive Visual Pattern Search on Graph Data via Graph Representation Learning [20.795511688640296]
視覚分析システムGraphQは、ループ内、サンプルベース、サブグラフパターン検索をサポートする。高速で対話的なクエリをサポートするために、グラフニューラルネットワーク(GNN)を使用して、グラフを固定長潜在ベクトル表現としてエンコードする。また,NuroAlignと呼ばれるノードアライメントのための新しいGNNを提案し,クエリ結果の検証と解釈を容易にする。
論文参考訳（メタデータ） (2022-02-18T22:30:28Z)
Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching [58.39970828272366]
グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
論文参考訳（メタデータ） (2022-01-25T00:10:03Z)
Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
論文参考訳（メタデータ） (2021-09-01T08:24:02Z)
Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文参考訳（メタデータ） (2021-01-16T16:18:43Z)
Graph Pooling with Node Proximity for Hierarchical Representation Learning [80.62181998314547]
本稿では,ノード近接を利用したグラフプーリング手法を提案し,そのマルチホップトポロジを用いたグラフデータの階層的表現学習を改善する。その結果,提案したグラフプーリング戦略は,公開グラフ分類ベンチマークデータセットの集合において,最先端のパフォーマンスを達成できることが示唆された。
論文参考訳（メタデータ） (2020-06-19T13:09:44Z)
Distance Metric Learning for Graph Structured Data [23.3700989820887]
グラフ分類問題に対する教師付き距離メトリック学習法を提案する。本手法は,IGML (Interpretable graph metric learning) と命名され,サブグラフに基づく特徴空間における識別的指標を学習する。いくつかのベンチマークデータセットを用いて,IGMLの計算効率と分類性能を実験的に評価した。
論文参考訳（メタデータ） (2020-02-03T13:42:43Z)

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。