論文の概要: Cyber Campaign Fractals -- Geometric Analysis of Hierarchical Cyber Attack Taxonomies

• arxiv url: http://arxiv.org/abs/2503.17219v1
• Date: Fri, 21 Mar 2025 15:24:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 14:55:06.722945
• Title: Cyber Campaign Fractals -- Geometric Analysis of Hierarchical Cyber Attack Taxonomies
• Title（参考訳）: サイバーキャンペーンフラクタル -階層型サイバー攻撃分類の幾何学的解析-
• Authors: Ronan Mouchoux, François Moerman,
• Abstract要約: 本稿では,フラクタル幾何学によるサイバー脅威キャンペーンを解析するための新しい数学的枠組みを提案する。 階層構造を雪片のような構造として、戦術、技法、および同心層を形成するサブテクニックとして概念化することにより、ハッチンソンの定理とハウスドルフ距離測定を用いて、キャンペーン比較のための厳密な方法を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper introduces a novel mathematical framework for analyzing cyber threat campaigns through fractal geometry. By conceptualizing hierarchical taxonomies (MITRE ATT&CK, DISARM) as snowflake-like structures with tactics, techniques, and sub-techniques forming concentric layers, we establish a rigorous method for campaign comparison using Hutchinson's Theorem and Hausdorff distance metrics. Evaluation results confirm that our fractal representation preserves hierarchical integrity while providing a dimensionality-based complexity assessment that correlates with campaign complexity. The proposed methodology bridges taxonomy-driven cyber threat analysis and computational geometry, providing analysts with both mathematical rigor and interpretable visualizations for addressing the growing complexity of adversarial operations across multiple threat domains.
• Abstract（参考訳）: 本稿では,フラクタル幾何によるサイバー脅威キャンペーンを解析するための新しい数学的枠組みを提案する。 階層型分類体系 (MITRE ATT&CK, DISARM) を, 戦略, 技術, サブテクニックによる雪片状構造として概念化し, ハッチンソンの定理とハウスドルフ距離測定を用いて, キャンペーン比較のための厳密な手法を確立する。 評価の結果, フラクタル表現は階層的整合性を保ちながら, 運動の複雑さと相関する次元に基づく複雑性評価を提供することを確認した。 提案手法は分類学によるサイバー脅威分析と計算幾何学を橋渡しし、複数の脅威領域にわたる敵の操作の複雑さの増加に対処するための数学的厳密さと解釈可能な可視化の両方をアナリストに提供する。

関連論文リスト

• CantorNet: A Sandbox for Testing Geometrical and Topological Complexity Measures [6.84273129511071]
  カントール集合の3進構成にインスパイアされたemphCantorNetを導入する。 CantorNetはReLUニューラルネットワークのファミリーであり、コルモゴロフ複雑性の可能な全スペクトルにまたがる。 我々の研究は、幾何学的に無知なデータ拡張技術と敵攻撃の潜在的な落とし穴を示すのに役立つかもしれない。
  論文  参考訳（メタデータ） (2024-11-29T14:01:34Z)
• A Scale-Invariant Diagnostic Approach Towards Understanding Dynamics of Deep Neural Networks [0.09320657506524146]
  本稿では、textitFractal Geometry を用いたスケール不変手法を導入し、コネクショナリストシステムの非線形力学を解析・説明する。 我々はフラクタル次元とテクストローネスを定量化し、それらの力学を深く理解し、テクスト固有の説明の質を高める。
  論文  参考訳（メタデータ） (2024-07-12T11:54:05Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• $k$-Means Clustering for Persistent Homology [0.0]
  永続図空間上の$k$-meansクラスタリングアルゴリズムの収束性を証明する。 また、Karush--Kuhn--Tucker フレームワークにおける最適化問題の解の理論的性質も確立する。
  論文  参考訳（メタデータ） (2022-10-18T17:18:51Z)
• The Dynamics of Riemannian Robbins-Monro Algorithms [101.29301565229265]
  本稿では,Robins と Monro のセミナル近似フレームワークを一般化し拡張するリーマンアルゴリズムの族を提案する。 ユークリッドのそれと比較すると、リーマンのアルゴリズムは多様体上の大域線型構造が欠如しているため、はるかに理解されていない。 ユークリッド・ロビンス=モンロスキームの既存の理論を反映し拡張するほぼ確実な収束結果の一般的なテンプレートを提供する。
  論文  参考訳（メタデータ） (2022-06-14T12:30:11Z)
• Geometric Methods for Sampling, Optimisation, Inference and Adaptive Agents [102.42623636238399]
  我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。 これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2022-03-20T16:23:17Z)
• A Coupled CP Decomposition for Principal Components Analysis of Symmetric Networks [11.988825533369686]
  シーケンスネットワークデータのための主成分分析(PCA)フレームワークを提案する。 提案した「結合CP」分解の効率的な計算アルゴリズムを導出する。 本稿は、シミュレーションデータと、政治科学・金融経済学の事例における提案の有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-09T20:52:19Z)
• Fast Topological Clustering with Wasserstein Distance [0.0]
  本稿では,複雑なネットワークを複雑なトポロジでクラスタリングする,新しい,実用的なトポロジクラスタリング手法を提案する。 このようなネットワークは、そのトポロジカル構造と幾何学的構造の両方に基づいて、セントロイドベースのクラスタリング戦略によってクラスタに集約される。 提案手法は,シミュレーションネットワークと機能的脳ネットワークの両方を用いて有効であることを示した。
  論文  参考訳（メタデータ） (2021-11-30T21:02:53Z)
• Defensive Tensorization [113.96183766922393]
  本稿では,ネットワークの遅延高次分解を利用した対角防御手法であるテンソル防御手法を提案する。 我々は,標準画像分類ベンチマークにおけるアプローチの有効性を実証的に実証した。 我々は,音声タスクとバイナリネットワークを考慮し,ドメイン間のアプローチと低精度アーキテクチャの汎用性を検証した。
  論文  参考訳（メタデータ） (2021-10-26T17:00:16Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Hyperbolic Neural Networks++ [66.16106727715061]
  ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。 実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
  論文  参考訳（メタデータ） (2020-06-15T08:23:20Z)

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。