論文の概要: Structuring Security: A Survey of Cybersecurity Ontologies, Semantic Log Processing, and LLMs Application

• arxiv url: http://arxiv.org/abs/2510.16610v1
• Date: Sat, 18 Oct 2025 18:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.062629
• Title: Structuring Security: A Survey of Cybersecurity Ontologies, Semantic Log Processing, and LLMs Application
• Title（参考訳）: セキュリティの構造化:サイバーセキュリティオントロジー、セマンティックログ処理、LLMsアプリケーションに関する調査
• Authors: Bruno Lourenço, Pedro Adão, João F. Ferreira, Mario Monteiro Marques, Cátia Vaz,
• Abstract要約: サーベイはセマンティックログ処理と大規模言語モデル(LLM)がサイバーセキュリティをどのように強化するかを調査している。 LLMは、文脈的理解を提供し、構造化されていないコンテンツから洞察を抽出することで、このプロセスを豊かにする。
• 参考スコア（独自算出の注目度）: 1.4453491813936405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This survey investigates how ontologies, semantic log processing, and Large Language Models (LLMs) enhance cybersecurity. Ontologies structure domain knowledge, enabling interoperability, data integration, and advanced threat analysis. Security logs, though critical, are often unstructured and complex. To address this, automated construction of Knowledge Graphs (KGs) from raw logs is emerging as a key strategy for organizing and reasoning over security data. LLMs enrich this process by providing contextual understanding and extracting insights from unstructured content. This work aligns with European Union (EU) efforts such as NIS 2 and the Cybersecurity Taxonomy, highlighting challenges and opportunities in intelligent ontology-driven cyber defense.
• Abstract（参考訳）: 本調査は,オントロジー,セマンティックログ処理,大規模言語モデル(LLM)がサイバーセキュリティをどのように強化するかを検討する。 オントロジはドメイン知識を構成し、相互運用性、データ統合、高度な脅威分析を可能にする。 セキュリティログは重要だが、しばしば非構造的で複雑である。 これを解決するために、生ログから知識グラフ(KG)の自動構築が、セキュリティデータの整理と推論の鍵となる戦略として浮上している。 LLMは、文脈的理解を提供し、構造化されていないコンテンツから洞察を抽出することで、このプロセスを豊かにする。 この研究は、NIS 2やサイバーセキュリティ分類のような欧州連合(EU)の取り組みと一致し、知的オントロジーによるサイバー防衛の課題と機会を強調している。

関連論文リスト

• A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
  クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。 CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。 本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-26T08:38:01Z)
• Information Security Based on LLM Approaches: A Review [3.292159069489852]
  大規模言語モデル(LLM)は、情報セキュリティの分野で幅広い応用可能性を示している。 本稿では,ニューラルネットワークとTransformerアーキテクチャに基づいて,大規模言語モデルの技術的基盤を分析する。 大規模言語モデリングの導入は,検出精度の向上とセキュリティシステムの誤警報率の低減に有効である。
  論文  参考訳（メタデータ） (2025-07-24T09:09:36Z)
• KnowCoder-V2: Deep Knowledge Analysis [64.63893361811968]
  我々は、深い知識分析能力を持つ深層研究を支援するtextbfKnowledgeable textbfDeep textbfResearch (textbfKDR) フレームワークを提案する。 大規模なドメイン関連データをオフラインで体系的な知識にプリプロセスするために、独立した知識組織フェーズを導入する。 そして、オンラインの方法で複雑な知識計算を行うための、新たな推論ステップによって、ディープリサーチを拡張します。
  論文  参考訳（メタデータ） (2025-06-07T18:01:25Z)
• From Texts to Shields: Convergence of Large Language Models and Cybersecurity [15.480598518857695]
  本稿では,大規模言語モデル(LLM)とサイバーセキュリティの収束について検討する。 ソフトウェアおよびネットワークセキュリティ、5G脆弱性分析、生成セキュリティ工学におけるLLMの新たな応用について検討する。
  論文  参考訳（メタデータ） (2025-05-01T20:01:07Z)
• A Survey on (M)LLM-Based GUI Agents [62.57899977018417]
  グラフィカルユーザインタフェース (GUI) エージェントは、人間とコンピュータのインタラクションにおいて、トランスフォーメーションパラダイムとして登場した。 大規模言語モデルとマルチモーダル学習の最近の進歩は、デスクトップ、モバイル、Webプラットフォーム全体でGUI自動化に革命をもたらした。 本調査では, 正確な要素位置決定, 効果的な知識検索, 長期計画, 安全に配慮した実行制御など, 重要な技術的課題を明らかにする。
  論文  参考訳（メタデータ） (2025-03-27T17:58:31Z)
• Reasoning Under Threat: Symbolic and Neural Techniques for Cybersecurity Verification [0.0]
  本調査では,サイバーセキュリティにおける自動推論の役割について概観する。 我々は、SOTAツールとフレームワークを調べ、ニューラルシンボリック推論のためのAIとの統合を調査し、重要な研究ギャップを浮き彫りにする。 本稿は,安全なシステム開発を促進することを目的とした,先進的な研究の方向性の集合をまとめてまとめる。
  論文  参考訳（メタデータ） (2025-03-27T11:41:53Z)
• CTINexus: Automatic Cyber Threat Intelligence Knowledge Graph Construction Using Large Language Models [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI知識抽出法は柔軟性と一般化性に欠ける。 我々は,データ効率の高いCTI知識抽出と高品質サイバーセキュリティ知識グラフ(CSKG)構築のための新しいフレームワークであるCTINexusを提案する。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• A Deep Learning Approach for Ontology Enrichment from Unstructured Text [2.932750332087746]
  既存のWeb上の攻撃、コントロール、アドバイザリの情報脆弱性は、セキュリティ分析を表現し、実行する機会を提供する。 自然言語処理とMLモデルに基づくオントロジーエンリッチメントアルゴリズムは、単語、フレーズ、文における概念の文脈的抽出に問題がある。 大規模なDBデータセットと2.8GBのウィキペディアコーパスとUniversal Sentenceでトレーニングされた双方向LSTMは、ISOベースの情報セキュリティを強化するためにデプロイされる。
  論文  参考訳（メタデータ） (2021-12-16T01:32:21Z)
• OntoEnricher: A Deep Learning Approach for Ontology Enrichment from Unstructured Text [2.707154152696381]
  Web上で利用可能な脆弱性、コントロール、アドバイザリに関する既存の情報は、知識を表現し、関心事の一部を緩和するために分析を行う機会を提供する。 これは情報セキュリティの動的かつ自動化された強化を必要とする。 自然言語処理とMLモデルに基づく既存のオントロジーエンリッチメントアルゴリズムは、単語、フレーズ、文における概念の文脈的抽出に問題がある。
  論文  参考訳（メタデータ） (2021-02-08T09:43:05Z)

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。