論文の概要: Improving Cybercrime Detection and Digital Forensics Investigations with Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2510.14638v1
• Date: Thu, 16 Oct 2025 12:53:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.858742
• Title: Improving Cybercrime Detection and Digital Forensics Investigations with Artificial Intelligence
• Title（参考訳）: 人工知能によるサイバー犯罪検出とデジタル鑑識調査の改善
• Authors: Silvia Lucia Sanna, Leonardo Regano, Davide Maiorca, Giorgio Giacinto,
• Abstract要約: サイバー犯罪分析とdfプロシージャがAIをどのように活用できるかを示す。 一方,サイバー犯罪者はこれらのシステムを用いて,スキルの向上,自動検出の回避,高度な攻撃技術の開発を行うことができる。
• 参考スコア（独自算出の注目度）: 1.1666234644810893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: According to a recent EUROPOL report, cybercrime is still recurrent in Europe, and different activities and countermeasures must be taken to limit, prevent, detect, analyze, and fight it. Cybercrime must be prevented with specific measures, tools, and techniques, for example through automated network and malware analysis. Countermeasures against cybercrime can also be improved with proper \df analysis in order to extract data from digital devices trying to retrieve information on the cybercriminals. Indeed, results obtained through a proper \df analysis can be leveraged to train cybercrime detection systems to prevent the success of similar crimes. Nowadays, some systems have started to adopt Artificial Intelligence (AI) algorithms for cyberattack detection and \df analysis improvement. However, AI can be better applied as an additional instrument in these systems to improve the detection and in the \df analysis. For this reason, we highlight how cybercrime analysis and \df procedures can take advantage of AI. On the other hand, cybercriminals can use these systems to improve their skills, bypass automatic detection, and develop advanced attack techniques. The case study we presented highlights how it is possible to integrate the use of the three popular chatbots {\tt Gemini}, {\tt Copilot} and {\tt chatGPT} to develop a Python code to encode and decoded images with steganographic technique, even though their presence is not an indicator of crime, attack or maliciousness but used by a cybercriminal as anti-forensics technique.
• Abstract（参考訳）: EUROPOLの最近のレポートによると、サイバー犯罪はまだヨーロッパで繰り返されており、さまざまな活動や対策を制限し、予防し、分析し、戦わなければならない。 サイバー犯罪は、例えば、ネットワークやマルウェアの自動分析を通じて、特定の手段、ツール、技術で予防されなければならない。 サイバー犯罪に対する対策は、適切な \df 分析によって改善され、サイバー犯罪に関する情報を取得しようとするデジタルデバイスからデータを抽出することができる。 実際、適切な \df 分析によって得られた結果は、サイバー犯罪検出システムの訓練に利用でき、類似した犯罪が成功するのを防ぐことができる。 今日、一部のシステムはサイバー攻撃検出と \df 分析の改善のために人工知能(AI)アルゴリズムを採用し始めている。 しかし、これらのシステムでは、検出と \df 分析を改善するために、AI が追加の手段としてよりうまく適用できる。 このような理由から、サイバー犯罪分析と \df プロシージャがAIをどのように活用できるかを強調した。 一方,サイバー犯罪者はこれらのシステムを用いて,スキルの向上,自動検出の回避,高度な攻撃技術の開発を行うことができる。 今回のケーススタディでは,犯罪・攻撃・悪意の指標ではないが,サイバー犯罪者がアンチ・フォレンジック・テクニックとして利用するサイバー犯罪の指標であるにもかかわらず,3つの一般的なチャットボット {\tt Gemini}, {\tt Copilot}, {\tt chatGPT} を,ステガノグラフィー手法で符号化・復号化するためのPythonコードの開発に利用することができるかを強調した。

関連論文リスト

• Red Teaming with Artificial Intelligence-Driven Cyberattacks: A Scoping Review [0.8388591755871736]
  本稿では,サイバーセキュリティ攻撃におけるAI技術の利用について検討する。 機密データ、システム、ソーシャルメディアプロファイル、パスワード、URLをターゲットとして、様々なサイバー攻撃方法が特定された。 サイバー犯罪におけるAIの多目的攻撃モデル開発への応用は、脅威が増大していることを示している。
  論文  参考訳（メタデータ） (2025-03-25T13:14:19Z)
• Is Generative AI the Next Tactical Cyber Weapon For Threat Actors? Unforeseen Implications of AI Generated Cyber Attacks [0.0]
  本稿では,AIの誤用によるエスカレート脅威,特にLarge Language Models(LLMs)の使用について述べる。 一連の制御された実験を通じて、これらのモデルがどのようにして倫理的およびプライバシー保護を回避し、効果的にサイバー攻撃を発生させるかを実証する。 私たちはまた、サイバー攻撃の自動化と実行のために特別に設計されたカスタマイズされた微調整のLLMであるOccupy AIを紹介します。
  論文  参考訳（メタデータ） (2024-08-23T02:56:13Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop at AAAI 2022 [55.573187938617636]
  ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。 サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
  論文  参考訳（メタデータ） (2022-02-28T18:27:41Z)
• A Heterogeneous Graph Learning Model for Cyber-Attack Detection [4.559898668629277]
  サイバー攻撃は、ハッカーが標的とする情報システムに侵入する悪意のある試みである。 本稿では,証明データに基づく知的サイバー攻撃検出手法を提案する。 実験の結果,提案手法は他の学習ベース検出モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-12-16T16:03:39Z)
• Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
  本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。 本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。 我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
  論文  参考訳（メタデータ） (2021-10-04T12:20:46Z)
• Generating Cyber Threat Intelligence to Discover Potential Security Threats Using Classification and Topic Modeling [6.0897744845912865]
  サイバー脅威インテリジェンス(CTI)は、能動的かつ堅牢なメカニズムの1つとして表現されている。 我々のゴールは、異なる教師なしおよび教師なしの学習技術を用いて、ハッカーフォーラムから関連するCTIを特定し、探索することである。
  論文  参考訳（メタデータ） (2021-08-16T02:30:29Z)
• Generating Fake Cyber Threat Intelligence Using Transformer-Based Models [2.9328913897054583]
  GPT-2のような公開言語モデルでは、サイバー防御システムを破損させる機能を備えた、もっともらしいCTIテキストを生成することができる。 我々は、生成された偽のCTIテキストを使用して、サイバーセキュリティ知識グラフ(CKG)とサイバーセキュリティコーパスにデータ中毒攻撃を行う。
  論文  参考訳（メタデータ） (2021-02-08T16:54:35Z)
• 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。