Fugu-MT 論文翻訳(概要): Few-Shot Learning-Based Cyber Incident Detection with Augmented Context Intelligence

論文の概要: Few-Shot Learning-Based Cyber Incident Detection with Augmented Context Intelligence

arxiv url: http://arxiv.org/abs/2506.16626v1
Date: Thu, 19 Jun 2025 21:53:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-23 19:00:05.27034
Title: Few-Shot Learning-Based Cyber Incident Detection with Augmented Context Intelligence
Title（参考訳）: コンテキストインテリジェンスを付加したFew-Shot学習によるサイバーインシデント検出
Authors: Fei Zuo, Junghwan Rhee, Yung Ryn Choe, Chenglong Fu, Xianshan Qu,
Abstract要約: 本稿では,データコンテキストインテリジェンスを改良した,数発の学習に基づく攻撃検出を提案する。我々は,現実的な攻撃時のオペレーティングシステムの動作データを収集し,システムイベントを記述するための革新的なセミオティックス抽出手法を活用する。
参考スコア（独自算出の注目度）: 2.036740192779817
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In recent years, the adoption of cloud services has been expanding at an unprecedented rate. As more and more organizations migrate or deploy their businesses to the cloud, a multitude of related cybersecurity incidents such as data breaches are on the rise. Many inherent attributes of cloud environments, for example, data sharing, remote access, dynamicity and scalability, pose significant challenges for the protection of cloud security. Even worse, cyber threats are becoming increasingly sophisticated and covert. Attack methods, such as Advanced Persistent Threats (APTs), are continually developed to bypass traditional security measures. Among the emerging technologies for robust threat detection, system provenance analysis is being considered as a promising mechanism, thus attracting widespread attention in the field of incident response. This paper proposes a new few-shot learning-based attack detection with improved data context intelligence. We collect operating system behavior data of cloud systems during realistic attacks and leverage an innovative semiotics extraction method to describe system events. Inspired by the advances in semantic analysis, which is a fruitful area focused on understanding natural languages in computational linguistics, we further convert the anomaly detection problem into a similarity comparison problem. Comprehensive experiments show that the proposed approach is able to generalize over unseen attacks and make accurate predictions, even if the incident detection models are trained with very limited samples.
Abstract（参考訳）: 近年、クラウドサービスの採用は前例のないペースで拡大している。ますます多くの企業がビジネスをクラウドに移行したり展開したりしている中、データ漏洩など、関連するサイバーセキュリティのインシデントが増えている。データ共有、リモートアクセス、動的性、スケーラビリティなど、クラウド環境に固有の多くの特性は、クラウドセキュリティの保護に重大な課題をもたらしている。さらに悪いことに、サイバー脅威はますます洗練され、隠蔽されている。 Advanced Persistent Threats (APTs) のような攻撃方法は、従来のセキュリティ対策をバイパスするために継続的に開発されている。堅牢な脅威検出のための新興技術の中で、システム証明分析は有望なメカニズムと考えられており、インシデント対応の分野で広く注目を集めている。本稿では,データコンテキストインテリジェンスを改良した,数発の学習に基づく攻撃検出を提案する。我々は,現実的な攻撃時のオペレーティングシステムの動作データを収集し,システムイベントを記述するための革新的なセミオティックス抽出手法を活用する。計算言語学における自然言語の理解に焦点を当てた実りある領域である意味分析の進歩に触発されて,異常検出問題を類似性比較問題に変換する。包括的実験により,本手法は,極めて限られたサンプルを用いてインシデント検出モデルを訓練しても,目に見えない攻撃を一般化し,正確な予測を行うことができることが示された。

関連論文リスト

AI-Driven Security in Cloud Computing: Enhancing Threat Detection, Automated Response, and Cyber Resilience [0.0]
本稿では、予測分析、行動に基づくセキュリティ脅威検出、AIスティリング暗号化を適用することにより、AIがクラウドセキュリティを強化する方法について検討する。また、以前のセキュリティモデルの問題点と、AIがそれらを克服する方法についても概説している。本稿では,AIを用いたクラウドデータアーキテクチャのセキュリティ動向について論じ,さらなる研究と応用の方向性を示す。
論文参考訳（メタデータ） (2025-05-06T19:45:13Z)
Cyber Defense Reinvented: Large Language Models as Threat Intelligence Copilots [36.809323735351825]
CYLENSは、大規模言語モデル(LLM)を利用したサイバー脅威情報通信システムである。 CYLENSは、脅威管理ライフサイクル全体を通じてセキュリティ専門家を支援するように設計されている。脅威帰属、文脈化、検出、相関、優先順位付け、修復をサポートする。
論文参考訳（メタデータ） (2025-02-28T07:16:09Z)
Simulation of Multi-Stage Attack and Defense Mechanisms in Smart Grids [2.0766068042442174]
電力グリッドのインフラと通信のダイナミクスを再現するシミュレーション環境を導入する。このフレームワークは多様なリアルな攻撃データを生成し、サイバー脅威を検出し緩和するための機械学習アルゴリズムを訓練する。また、高度な意思決定支援システムを含む、新興のセキュリティ技術を評価するための、制御された柔軟なプラットフォームも提供する。
論文参考訳（メタデータ） (2024-12-09T07:07:17Z)
AI-based Attacker Models for Enhancing Multi-Stage Cyberattack Simulations in Smart Grids Using Co-Simulation Environments [1.4563527353943984]
スマートグリッドへの移行により、高度なサイバー脅威に対する電力システムの脆弱性が増大した。本稿では,モジュール型サイバーアタックの実行に自律エージェントを用いたシミュレーションフレームワークを提案する。当社のアプローチは、データ生成のための柔軟で汎用的なソースを提供し、より高速なプロトタイピングと開発リソースと時間の削減を支援します。
論文参考訳（メタデータ） (2024-12-05T08:56:38Z)
Countering Autonomous Cyber Threats [40.00865970939829]
ファンデーションモデルは、サイバードメイン内で広く、特に二元的関心事を提示します。近年の研究では、これらの先進的なモデルが攻撃的なサイバースペース操作を通知または独立に実行する可能性を示している。この研究は、孤立したネットワークでマシンを妥協する能力について、最先端のいくつかのFMを評価し、そのようなAIによる攻撃を倒す防御メカニズムを調査する。
論文参考訳（メタデータ） (2024-10-23T22:46:44Z)
Adaptive Attack Detection in Text Classification: Leveraging Space Exploration Features for Text Sentiment Classification [44.99833362998488]
敵のサンプル検出は、特に急速に進化する攻撃に直面して、適応的なサイバー防御において重要な役割を果たす。本稿では,BERT(Bidirectional Representations from Transformers)のパワーを活用し,空間探索機能(Space Exploration Features)の概念を提案する。
論文参考訳（メタデータ） (2023-08-29T23:02:26Z)
Few-shot Weakly-supervised Cybersecurity Anomaly Detection [1.179179628317559]
本稿では,既存の弱教師付きディープラーニング異常検出フレームワークの強化を提案する。このフレームワークには、データ拡張、表現学習、順序回帰が含まれている。そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
論文参考訳（メタデータ） (2023-04-15T04:37:54Z)
GowFed -- A novel Federated Network Intrusion Detection System [0.15469452301122172]
本研究は,Gower Dissimilarity行列とFederated Averagingを併用したネットワーク脅威検出システムであるGowFedを紹介する。 GowFedのアプローチは,(1)バニラバージョン,(2)アテンション機構を備えたバージョンなど,最先端の知識に基づいて開発されている。全体として、GowFedは、産業レベルのネットワークにおけるネットワーク脅威を検出するためのフェデレートラーニングとガウワーの相違行列の併用に向けた最初の一歩となる。
論文参考訳（メタデータ） (2022-10-28T23:53:37Z)
RobustSense: Defending Adversarial Attack for Secure Device-Free Human Activity Recognition [37.387265457439476]
我々は、共通の敵攻撃を防御する新しい学習フレームワーク、RobustSenseを提案する。本手法は,無線による人間行動認識と人物識別システムに有効である。
論文参考訳（メタデータ） (2022-04-04T15:06:03Z)
Adversarial Machine Learning Threat Analysis in Open Radio Access Networks [37.23982660941893]
Open Radio Access Network (O-RAN) は、新しい、オープンで適応的でインテリジェントなRANアーキテクチャである。本稿では,O-RANに対する体系的対向機械学習脅威分析を提案する。
論文参考訳（メタデータ） (2022-01-16T17:01:38Z)
Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文参考訳（メタデータ） (2020-07-05T18:22:40Z)

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。