Fugu-MT 論文翻訳(概要): Graph models for Cybersecurity -- A Survey

論文の概要: Graph models for Cybersecurity -- A Survey

arxiv url: http://arxiv.org/abs/2311.10050v1
Date: Thu, 16 Nov 2023 17:45:49 GMT
ステータス: 処理完了
システム内更新日: 2024-03-18 23:12:35.470761
Title: Graph models for Cybersecurity -- A Survey
Title（参考訳）: サイバーセキュリティのためのグラフモデル - サーベイ
Authors: Jasmin Wachter,
Abstract要約: グラフモデルを用いてサイバー攻撃を表現・解析する研究の現状を評価する。本稿では,70モデルに基づく攻撃グラフ形式に関する分類法を提案する。私たちの分類学は、特にユーザや応用研究者が適切なAGモデルを特定するのに役立つように設計されています。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Graph models are helpful means of analyzing computer networks as well as complex system architectures for security. In this paper we evaluate the current state of research for representing and analysing cyber-attack using graph models, i.e. attack graph (AG) formalisms. We propose a taxonomy on attack graph formalisms, based on 70 models, which we analysed with respect to their \textit{graph semantic}, involved agents and analysis features. Additionally, we adress which formalisms allow for automatic attack graph generation from raw or processes data inputs. Our taxonomy is especially designed to help users and applied researchers identify a suitable AG model for their needs. A summary of the individual AG formalisms is provided as supplementary material.
Abstract（参考訳）: グラフモデルは、セキュリティのための複雑なシステムアーキテクチャと同様に、コンピュータネットワークを分析するのに役立つ。本稿では,攻撃グラフ(AG)フォーマリズムのグラフモデルを用いて,サイバー攻撃を表現・解析する研究の現状を評価する。本稿では,70のモデルに基づく攻撃グラフ形式論の分類法を提案する。さらに、フォーマリズムが生データやプロセスデータからの攻撃グラフの自動生成を可能にする。我々の分類学は、ユーザーや応用研究者が自分のニーズに適したAGモデルを特定するのに特に役立ちます。個別のAGフォーマリズムの要約は補足資料として提供される。

関連論文リスト

Scalable Weibull Graph Attention Autoencoder for Modeling Document Networks [50.42343781348247]
解析条件後部を解析し,推論精度を向上させるグラフポアソン因子分析法(GPFA)を開発した。また,GPFAを多層構造に拡張したグラフPoisson gamma belief Network (GPGBN) を用いて,階層的な文書関係を複数の意味レベルで捉える。本モデルでは,高品質な階層型文書表現を抽出し,様々なグラフ解析タスクにおいて有望な性能を実現する。
論文参考訳（メタデータ） (2024-10-13T02:22:14Z)
Efficient Model-Stealing Attacks Against Inductive Graph Neural Networks [4.552065156611815]
グラフニューラルネットワーク(GNN)は、グラフ構造で組織された実世界のデータを処理するための強力なツールとして認識されている。事前に定義されたグラフ構造に依存しないグラフ構造化データの処理を可能にするインダクティブGNNは、広範囲のアプリケーションにおいてますます重要になりつつある。本稿では,誘導型GNNに対して教師なしモデルステアリング攻撃を行う新しい手法を提案する。
論文参考訳（メタデータ） (2024-05-20T18:01:15Z)
Attacks on Node Attributes in Graph Neural Networks [32.40598187698689]
本研究では,特徴に基づく敵対攻撃の適用を通じて,グラフモデルの脆弱性について検討する。以上の結果から,GAD(Projected Gradient Descent)を用いた決定時間攻撃は,平均ノード埋め込みとグラフコントラスト学習戦略を用いた中毒攻撃に比べ,より強力であることが示唆された。
論文参考訳（メタデータ） (2024-02-19T17:52:29Z)
A set of semantic data flow diagrams and its security analysis based on ontologies and knowledge graphs [0.0]
本研究では、実際のクラウドベースのアプリケーションを表すマシン可読データフロー図の作成と、そのようなアプリケーションのセキュリティ面を自動解析するための利用領域固有の知識の2つの課題について検討する。 180のセマンティックダイアグラム(オントロジーとナレッジグラフ)のセットは、クラウド構成(Docker Compose)に基づいて作成されます。
論文参考訳（メタデータ） (2023-03-20T15:26:07Z)
Text Representation Enrichment Utilizing Graph based Approaches: Stock Market Technical Analysis Case Study [0.0]
本稿では,教師なしノード表現学習モデルとノード分類/エッジ予測モデルを組み合わせたトランスダクティブハイブリッド手法を提案する。提案手法は,この分野における最初の研究である株式市場の技術分析報告を分類するために開発された。
論文参考訳（メタデータ） (2022-11-29T11:26:08Z)
Model Inversion Attacks against Graph Neural Networks [65.35955643325038]
グラフニューラルネットワーク(GNN)に対するモデル反転攻撃について検討する。本稿では,プライベートトレーニンググラフデータを推測するためにGraphMIを提案する。実験の結果,このような防御効果は十分ではないことが示され,プライバシー攻撃に対するより高度な防御が求められている。
論文参考訳（メタデータ） (2022-09-16T09:13:43Z)
Question-Answer Sentence Graph for Joint Modeling Answer Selection [122.29142965960138]
我々は,質問文,質問文,回答文のペア間のスコアを計算するための最先端(SOTA)モデルを訓練し,統合する。オンライン推論は、目に見えないクエリのAS2タスクを解決するために実行される。
論文参考訳（メタデータ） (2022-02-16T05:59:53Z)
GraphMI: Extracting Private Graph Data from Graph Neural Networks [59.05178231559796]
GNNを反転させてトレーニンググラフのプライベートグラフデータを抽出することを目的とした textbfGraph textbfModel textbfInversion attack (GraphMI) を提案する。具体的には,グラフ特徴の空間性と滑らかさを保ちながら,グラフエッジの離散性に対処する勾配モジュールを提案する。エッジ推論のためのグラフトポロジ、ノード属性、ターゲットモデルパラメータを効率的に活用するグラフ自動エンコーダモジュールを設計する。
論文参考訳（メタデータ） (2021-06-05T07:07:52Z)
A Survey of Adversarial Learning on Graphs [59.21341359399431]
本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
論文参考訳（メタデータ） (2020-03-10T12:48:00Z)
Adaptive Graph Auto-Encoder for General Data Clustering [90.8576971748142]
グラフベースのクラスタリングは、クラスタリング領域において重要な役割を果たす。グラフ畳み込みニューラルネットワークに関する最近の研究は、グラフ型データにおいて驚くべき成功を収めている。本稿では,グラフの生成的視点に応じて適応的にグラフを構成する汎用データクラスタリングのためのグラフ自動エンコーダを提案する。
論文参考訳（メタデータ） (2020-02-20T10:11:28Z)

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。