論文の概要: Game-Theoretic Cybersecurity: the Good, the Bad and the Ugly
- arxiv url: http://arxiv.org/abs/2401.13815v2
- Date: Thu, 13 Feb 2025 19:07:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-17 14:44:14.346335
- Title: Game-Theoretic Cybersecurity: the Good, the Bad and the Ugly
- Title(参考訳): ゲーム理論のサイバーセキュリティ
- Authors: Brandon Collins, Shouhuai Xu, Philip N. Brown,
- Abstract要約: 我々は,サイバーセキュリティに適用された既存業務の機能と前提を特徴付ける枠組みを開発する。
この情報を利用して提案されたモデルの能力を分析し、それらが提供しようとするアプリケーション固有のニーズと比較します。
我々の主な発見は、ゲーム理論が、考慮されているアプリケーションにとって重要な不確実性の概念をほとんど取り入れていないことである。
- 参考スコア(独自算出の注目度): 5.715413347864052
- License:
- Abstract: Given the scale of consequences attributable to cyber attacks, the field of cybersecurity has long outgrown ad-hoc decision-making. A popular choice to provide disciplined decision-making in cybersecurity is Game Theory, which seeks to mathematically understand strategic interaction. In practice though, game-theoretic approaches are scarcely utilized (to our knowledge), highlighting the need to understand the deficit between the existing state-of-the-art and the needs of cybersecurity practitioners. Therefore, we develop a framework to characterize the function and assumptions of existing works as applied to cybersecurity and leverage it to characterize 80 unique technical papers. Then, we leverage this information to analyze the capabilities of the proposed models in comparison to the application-specific needs they are meant to serve, as well as the practicality of implementing the proposed solution. Our main finding is that Game Theory largely fails to incorporate notions of uncertainty critical to the application being considered. To remedy this, we provide guidance in terms of how to incorporate uncertainty in a model, what forms of uncertainty are critical to consider in each application area, and how to model the information that is available in each application area.
- Abstract(参考訳): サイバー攻撃による影響の規模を考えると、サイバーセキュリティの分野は長年、アドホックな意思決定よりも大きくなっている。
サイバーセキュリティにおいて規律ある意思決定を提供する一般的な選択は、戦略的相互作用を数学的に理解しようとするゲーム理論である。
しかし実際には、ゲーム理論のアプローチは(私たちの知識に)ほとんど活用されておらず、既存の最先端技術とサイバーセキュリティ実践者のニーズの間の欠陥を理解する必要性を強調している。
そこで我々は,サイバーセキュリティに応用された既存業務の機能と前提を特徴付ける枠組みを開発し,それを活用して80のユニークな技術論文を特徴付ける。
そして、この情報を活用して、提案したソリューションの実装の実践性とともに、提供しようとするアプリケーション固有のニーズと比較して、提案したモデルの能力を分析する。
我々の主な発見は、ゲーム理論が、考慮されているアプリケーションにとって重要な不確実性の概念をほとんど取り入れていないことである。
これを改善するために、モデルに不確実性を組み込む方法、各アプリケーション領域で考慮すべき不確実性の種類、および各アプリケーション領域で利用可能な情報をモデル化する方法についてのガイダンスを提供する。
関連論文リスト
- Machine Unlearning Doesn't Do What You Think: Lessons for Generative AI Policy, Research, and Practice [186.055899073629]
非学習はしばしば、生成AIモデルからターゲット情報の影響を取り除くソリューションとして呼び出される。
未学習はまた、モデルが出力中にターゲットとなるタイプの情報を生成するのを防ぐ方法として提案されている。
これら2つの目標 - モデルからの情報の標的的除去と、モデル出力からの情報のターゲット的抑制 - は、様々な技術的および現実的な課題を表す。
論文 参考訳(メタデータ) (2024-12-09T20:18:43Z) - SoK: Unifying Cybersecurity and Cybersafety of Multimodal Foundation Models with an Information Theory Approach [58.93030774141753]
MFM(Multimodal foundation model)は、人工知能の大幅な進歩を表す。
本稿では,マルチモーダル学習におけるサイバーセーフティとサイバーセキュリティを概念化する。
我々は、これらの概念をMFMに統一し、重要な脅威を特定するための総合的知識体系化(SoK)を提案する。
論文 参考訳(メタデータ) (2024-11-17T23:06:20Z) - Inherently Interpretable and Uncertainty-Aware Models for Online Learning in Cyber-Security Problems [0.22499166814992438]
サイバーセキュリティにおけるオンライン教師あり学習問題に対する新しいパイプラインを提案する。
当社のアプローチは、予測パフォーマンスと透明性のバランスをとることを目的としています。
この研究は、解釈可能なAIの分野の成長に寄与する。
論文 参考訳(メタデータ) (2024-11-14T12:11:08Z) - Rethinking the Uncertainty: A Critical Review and Analysis in the Era of Large Language Models [42.563558441750224]
大規模言語モデル(LLM)は、幅広い人工知能応用の基礎となっている。
現在の手法はしばしば、真の不確実性を特定し、測定し、対処するのに苦労する。
本稿では,不確実性の種類や原因を特定し,理解するための包括的枠組みを提案する。
論文 参考訳(メタデータ) (2024-10-26T15:07:15Z) - Risk-reducing design and operations toolkit: 90 strategies for managing
risk and uncertainty in decision problems [65.268245109828]
本稿では,このような戦略のカタログを開発し,それらのためのフレームワークを開発する。
高い不確実性のために難解であるように見える決定問題に対して、効率的な応答を提供する、と論じている。
次に、多目的最適化を用いた決定理論にそれらを組み込む枠組みを提案する。
論文 参考訳(メタデータ) (2023-09-06T16:14:32Z) - A Survey of Network Requirements for Enabling Effective Cyber Deception [0.0]
本稿では,有効なサイバー詐欺手法の実装に不可欠なネットワーク要件について検討する。
多様なネットワークアーキテクチャとトポロジに注目して、ネットワーク特性と偽装機構の展開の間の複雑な関係を掘り下げる。
論文 参考訳(メタデータ) (2023-09-01T00:38:57Z) - Against Algorithmic Exploitation of Human Vulnerabilities [2.6918074738262194]
我々は、機械学習モデルが故意に脆弱性をモデル化することを懸念している。
一般的な脆弱性を記述し、アルゴリズムによる意思決定においてそれらが役割を担っている可能性を示す。
本稿では,脆弱性モデリングの可能性を検出する手法の一連の要件を提案する。
論文 参考訳(メタデータ) (2023-01-12T13:15:24Z) - AdvCat: Domain-Agnostic Robustness Assessment for Cybersecurity-Critical
Applications with Categorical Inputs [29.907921481157974]
敵攻撃に対する堅牢性は、機械学習のデプロイメントにおける重要な信頼の1つだ。
本稿では,ML駆動型サイバーセキュリティクリティカルな幅広いアプリケーションを対象とした,最適かつ高効率な対向ロバスト性評価プロトコルを提案する。
本研究では,ドメインに依存しないロバスト性評価手法を用いて,偽ニュースの検出と侵入検知問題に関する実験を行った。
論文 参考訳(メタデータ) (2022-12-13T18:12:02Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳(メタデータ) (2021-07-28T10:28:05Z) - A general framework for defining and optimizing robustness [74.67016173858497]
分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。
我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。
我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
論文 参考訳(メタデータ) (2020-06-19T13:24:20Z) - Plausible Counterfactuals: Auditing Deep Learning Classifiers with
Realistic Adversarial Examples [84.8370546614042]
ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。
GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。
その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
論文 参考訳(メタデータ) (2020-03-25T11:08:56Z)
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。