論文の概要: Decentralized Entropy-Based Ransomware Detection Using Autonomous Feature Resonance

• arxiv url: http://arxiv.org/abs/2502.09833v2
• Date: Wed, 26 Mar 2025 15:48:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-27 14:57:01.201786
• Title: Decentralized Entropy-Based Ransomware Detection Using Autonomous Feature Resonance
• Title（参考訳）: 自律的特徴共鳴を用いた分散エントロピーに基づくランサムウェア検出
• Authors: Barnaby Quince, Levi Gareth, Sophie Larkspur, Thaddeus Wobblethorn, Thomas Quibble,
• Abstract要約: 従来のランサムウェア検出手法の限界に対処するため,自律的特徴共鳴と呼ばれる新しい手法が導入された。 提案手法は, 検出精度97.3%, 偽陽性, 偽陰性率は1.8%, 偽陰性率は2.1%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The increasing sophistication of cyber threats has necessitated the development of advanced detection mechanisms capable of identifying malicious activities with high precision and efficiency. A novel approach, termed Autonomous Feature Resonance, is introduced to address the limitations of traditional ransomware detection methods through the analysis of entropy-based feature interactions within system processes. The proposed method achieves an overall detection accuracy of 97.3\%, with false positive and false negative rates of 1.8\% and 2.1\%, respectively, outperforming existing techniques such as signature-based detection and behavioral analysis. Its decentralized architecture enables local processing of data, reducing latency and improving scalability, while a self-learning mechanism ensures continuous adaptation to emerging threats. Experimental results demonstrate consistent performance across diverse ransomware families, including LockBit 3.0, BlackCat, and Royal, with low detection latency and efficient resource utilization. The method's reliance on entropy as a distinguishing feature provides robustness against obfuscation techniques, making it suitable for real-time deployment in high-throughput environments. These findings highlight the potential of entropy-based approaches to enhance cybersecurity frameworks, offering a scalable and adaptive solution for modern ransomware detection challenges.
• Abstract（参考訳）: サイバー脅威の高度化は、高い精度と効率で悪意のある活動を識別できる高度な検出メカニズムの開発を必要としている。 システムプロセス内のエントロピーに基づく特徴相互作用の解析を通じて,従来のランサムウェア検出手法の限界に対処するため,自律的特徴共鳴と呼ばれる新しい手法が導入された。 提案手法は, 検出精度97.3\%, 偽陽性, 偽陰性率1.8\%, 偽陰性率2.1\%をそれぞれ達成し, 署名に基づく検出や行動解析などの既存手法より優れていた。 その分散アーキテクチャは、データの局所的な処理を可能にし、レイテンシを低減し、スケーラビリティを向上すると同時に、自己学習メカニズムによって、出現する脅威への継続的適応が保証される。 実験の結果,LockBit 3.0,BlackCat,Royalなど,さまざまなランサムウェアファミリ間で一貫したパフォーマンスが得られた。 この手法のエントロピーへの依存は難解化技術に対する堅牢性をもたらし、高スループット環境でのリアルタイム展開に適している。 これらの発見は、サイバーセキュリティフレームワークを強化するエントロピーベースのアプローチの可能性を強調し、現代のランサムウェア検出の課題に対してスケーラブルで適応的なソリューションを提供する。

関連論文リスト

• Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
  エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。 既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。 本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T08:34:35Z)
• Lie Detector: Unified Backdoor Detection via Cross-Examination Framework [68.45399098884364]
  半正直な設定で一貫したバックドア検出フレームワークを提案する。 本手法は,SoTAベースラインよりも5.4%,1.6%,11.9%の精度で検出性能が向上する。 特に、マルチモーダルな大規模言語モデルにおいて、バックドアを効果的に検出するのは、これが初めてである。
  論文  参考訳（メタデータ） (2025-03-21T06:12:06Z)
• A Computational Model for Ransomware Detection Using Cross-Domain Entropy Signatures [0.0]
  マルチドメインシステムのバリエーションを分析するために,エントロピーに基づく計算フレームワークを導入した。 良性およびランサムウェア誘発のエントロピーシフトを区別する検出法を開発した。
  論文  参考訳（メタデータ） (2025-02-15T07:50:55Z)
• Hierarchical Entropy Disruption for Ransomware Detection: A Computationally-Driven Framework [0.0]
  エントロピー変動のモニタリングは、不正なデータ修正を識別するための代替アプローチを提供する。 階層的エントロピー破壊を利用したフレームワークを導入し,エントロピー分布の偏差を解析した。 複数のランサムウェアにまたがるフレームワークの評価は、高い検出精度を達成する能力を示した。
  論文  参考訳（メタデータ） (2025-02-12T23:29:06Z)
• Decentralized Entropy-Driven Ransomware Detection Using Autonomous Neural Graph Embeddings [0.0]
  このフレームワークはノードの分散ネットワークで動作し、単一障害点を排除し、ターゲット攻撃に対するレジリエンスを強化する。 グラフベースのモデリングと機械学習技術の統合により、このフレームワークは複雑なシステムインタラクションをキャプチャできる。 ケーススタディでは、実世界のシナリオでの有効性を検証するとともに、ランサムウェア攻撃を開始後数分で検出し軽減する能力を示している。
  論文  参考訳（メタデータ） (2025-02-11T11:59:10Z)
• Entropy-Synchronized Neural Hashing for Unsupervised Ransomware Detection [0.0]
  Entropy-Synchronized Neural Hashing (ESNH)フレームワークは、エントロピー駆動のハッシュ表現を使用してソフトウェアバイナリを分類する。 このモデルは、多型変換や変成変換に直面しても安定性を維持する頑健でユニークなハッシュ値を生成する。
  論文  参考訳（メタデータ） (2025-01-30T04:40:57Z)
• Intelligent Code Embedding Framework for High-Precision Ransomware Detection via Multimodal Execution Path Analysis [0.0]
  マルチモーダル実行経路解析によりランサムウェアの活動を特定する新しいフレームワークを開発した。 高次元の埋め込みと動的導出機構を統合し、多様な攻撃変異体にわたる行動パターンをキャプチャする。
  論文  参考訳（メタデータ） (2025-01-27T07:51:51Z)
• Hierarchical Pattern Decryption Methodology for Ransomware Detection Using Probabilistic Cryptographic Footprints [0.0]
  このフレームワークは、高度なクラスタリングアルゴリズムと機械学習を組み合わせて、ランサムウェアによる異常を分離する。 偽陽性率を低く保ちながら、悪意のある暗号化操作と良心的な活動とを効果的に区別する。 リアルタイム異常評価の導入により、ランサムウェア検出における致命的なレイテンシ問題に対処し、迅速な応答能力が保証される。
  論文  参考訳（メタデータ） (2025-01-25T05:26:17Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。