論文の概要: Enabling Cyber Security Education through Digital Twins and Generative AI
- arxiv url: http://arxiv.org/abs/2507.17518v1
- Date: Wed, 23 Jul 2025 13:55:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:15.026283
- Title: Enabling Cyber Security Education through Digital Twins and Generative AI
- Title（参考訳）: ディジタルツインと生成AIによるサイバーセキュリティ教育の実現
- Authors: Vita Santa Barletta, Vito Bavaro, Miriana Calvano, Antonio Curci, Antonio Piccinno, Davide Pio Posa,
- Abstract要約: Digital Twins(DT)は、複雑なITインフラストラクチャを複製する能力によって、サイバーセキュリティにおいて注目を集めている。
本研究では,DTを浸透試験ツールと統合し,LLM(Large Language Models)がサイバーセキュリティ教育を強化する方法について検討した。
- 参考スコア（独自算出の注目度）: 1.2619493260255112
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital Twins (DTs) are gaining prominence in cybersecurity for their ability to replicate complex IT (Information Technology), OT (Operational Technology), and IoT (Internet of Things) infrastructures, allowing for real time monitoring, threat analysis, and system simulation. This study investigates how integrating DTs with penetration testing tools and Large Language Models (LLMs) can enhance cybersecurity education and operational readiness. By simulating realistic cyber environments, this approach offers a practical, interactive framework for exploring vulnerabilities and defensive strategies. At the core of this research is the Red Team Knife (RTK), a custom penetration testing toolkit aligned with the Cyber Kill Chain model. RTK is designed to guide learners through key phases of cyberattacks, including reconnaissance, exploitation, and response within a DT powered ecosystem. The incorporation of Large Language Models (LLMs) further enriches the experience by providing intelligent, real-time feedback, natural language threat explanations, and adaptive learning support during training exercises. This combined DT LLM framework is currently being piloted in academic settings to develop hands on skills in vulnerability assessment, threat detection, and security operations. Initial findings suggest that the integration significantly improves the effectiveness and relevance of cybersecurity training, bridging the gap between theoretical knowledge and real-world application. Ultimately, the research demonstrates how DTs and LLMs together can transform cybersecurity education to meet evolving industry demands.
- Abstract（参考訳）: Digital Twins(DT)は、複雑なIT(情報技術)、OT(運用技術)、IoT(モノのインターネット)インフラストラクチャを複製し、リアルタイム監視、脅威分析、システムシミュレーションを可能にすることで、サイバーセキュリティにおいて注目を集めている。
本研究では,DTを浸透試験ツールとLarge Language Models(LLMs)と統合することにより,サイバーセキュリティ教育と運用準備性を高める方法について検討する。
現実的なサイバー環境をシミュレートすることで、このアプローチは脆弱性や防御戦略を探索するための実践的でインタラクティブなフレームワークを提供する。
この研究の核心は、Cyber Kill Chainモデルに準拠したカスタム浸透テストツールキットであるRed Team Knife(RTK)である。
RTKは、DT駆動エコシステム内の偵察、搾取、応答など、サイバー攻撃の重要なフェーズを通じて学習者を誘導するように設計されている。
LLM(Large Language Models)の導入は、インテリジェントでリアルタイムなフィードバック、自然言語の脅威説明、トレーニング演習中の適応学習支援を提供することによって、エクスペリエンスをさらに強化する。
この統合DT LLMフレームワークは現在、脆弱性評価、脅威検出、セキュリティ操作のスキルを開発するために、学術的な環境で試験されている。
最初の発見は、この統合がサイバーセキュリティトレーニングの有効性と関連性を大幅に改善し、理論知識と現実世界の応用のギャップを埋めることを示している。
最終的にこの研究は、DTとLLMが協力してサイバーセキュリティ教育を変革し、進化する産業の需要を満たす方法を実証している。
関連論文リスト
- Llama-3.1-FoundationAI-SecurityLLM-Base-8B Technical Report [50.268821168513654]
我々は,Llama 3.1アーキテクチャ上に構築された,サイバーセキュリティにフォーカスした大規模言語モデル(LLM)であるFoundation-Sec-8Bを紹介する。
我々は、Llama 3.1-70B と GPT-4o-mini がサイバーセキュリティ固有のタスクで一致していることを示し、確立された新しいサイバーセキュリティベンチマークと新しいサイバーセキュリティベンチマークの両方で評価した。
当社のモデルを一般公開することで、公開とプライベート両方のサイバーセキュリティ状況において、AI駆動ツールの進歩と採用を加速することを目指しています。
論文 参考訳（メタデータ） (2025-04-28T08:41:12Z) - Exploring the Role of Large Language Models in Cybersecurity: A Systematic Survey [25.73174314007904]
従来のサイバーセキュリティアプローチは、現代のサイバー攻撃の急速に進化する性質に適応するために苦労している。
LLM(Large Language Model)の出現は、ますます深刻なサイバー脅威に対処する革新的なソリューションを提供する。
サイバー攻撃に対してLLMを効果的に活用する方法を模索することは、現在の研究分野においてホットな話題となっている。
論文 参考訳（メタデータ） (2025-04-22T06:28:08Z) - CyberBOT: Towards Reliable Cybersecurity Education via Ontology-Grounded Retrieval Augmented Generation [13.352385179504482]
サイバーセキュリティ教育では、正確性と安全性が最重要であり、システムは、信頼に値する情報とドメインに適した情報を提供するために、表面レベルの関連性を超えなければならない。
我々はCyberBOTを紹介した。CyberBOTは、コース固有の材料からコンテキスト情報を取り込み、ドメイン固有のサイバーセキュリティオントロジーを用いて応答を検証する。
CyberBOTはアリゾナ州立大学の大規模な大学院コースに展開され、100人以上の学生が専用のウェブベースのプラットフォームを通じてシステムに積極的に関与している。
論文 参考訳（メタデータ） (2025-04-01T03:19:22Z) - 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) - A Survey of Model Extraction Attacks and Defenses in Distributed Computing Environments [55.60375624503877]
モデル抽出攻撃(MEA)は、敵がモデルを盗み、知的財産と訓練データを公開することによって、現代の機械学習システムを脅かす。
この調査は、クラウド、エッジ、フェデレーションのユニークな特性がどのように攻撃ベクトルや防御要件を形作るのかを、緊急に理解する必要に起因している。
本研究は, 自動運転車, 医療, 金融サービスといった重要な分野において, 環境要因がセキュリティ戦略にどう影響するかを実証し, 攻撃手法と防衛機構の進化を系統的に検討する。
論文 参考訳（メタデータ） (2025-02-22T03:46:50Z) - 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) - Redefining DDoS Attack Detection Using A Dual-Space Prototypical Network-Based Approach [38.38311259444761]
我々は、DDoS攻撃を検出するための新しいディープラーニングベースの技術を導入する。
本稿では,一意な双対空間損失関数を利用する新しい双対空間原型ネットワークを提案する。
このアプローチは、潜在空間における表現学習の強みを生かしている。
論文 参考訳（メタデータ） (2024-06-04T03:22:52Z) - SEvenLLM: Benchmarking, Eliciting, and Enhancing Abilities of Large Language Models in Cyber Threat Intelligence [27.550484938124193]
本稿では,サイバーセキュリティのインシデント分析と応答能力をベンチマークし,評価し,改善するためのフレームワークを提案する。
サイバーセキュリティのWebサイトから、サイバーセキュリティの生テキストをクロールすることによって、高品質なバイリンガル命令コーパスを作成します。
命令データセットSEvenLLM-Instructは、マルチタスク学習目的のサイバーセキュリティLLMのトレーニングに使用される。
論文 参考訳（メタデータ） (2024-05-06T13:17:43Z) - Generative AI in Cybersecurity [0.0]
生成人工知能(GAI)は、データ分析、パターン認識、意思決定プロセスの分野を変える上で重要な役割を担っている。
GAIは急速に進歩し、サイバーセキュリティプロトコルや規制フレームワークの現在のペースを超越している。
この研究は、マルウェア生成におけるGAIの高度な利用に対抗するために、より複雑な防衛戦略を積極的に特定し、開発する組織にとって重要な必要性を強調している。
論文 参考訳（メタデータ） (2024-05-02T19:03:11Z) - Purple Llama CyberSecEval: A Secure Coding Benchmark for Language Models [41.068780235482514]
本稿では,Large Language Models (LLMs) のプログラミングアシスタントとしてのサイバーセキュリティを促進するために開発された,包括的なベンチマークであるCyberSecEvalを提案する。
CyberSecEvalは、2つの重要なセキュリティ領域におけるLSMの徹底的な評価を提供する。
論文 参考訳（メタデータ） (2023-12-07T22:07:54Z) - Review: Deep Learning Methods for Cybersecurity and Intrusion Detection
Systems [6.459380657702644]
人工知能(AI)と機械学習(ML)はサイバー防衛の鍵となる技術として活用することができる。
本稿では,ネットワーク侵入検出に使用される様々な深層学習手法について検討する。
論文 参考訳（メタデータ） (2020-12-04T23:09:35Z)
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。