論文の概要: Risk Psychology & Cyber-Attack Tactics
- arxiv url: http://arxiv.org/abs/2510.20657v1
- Date: Thu, 23 Oct 2025 15:31:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:18.24305
- Title: Risk Psychology & Cyber-Attack Tactics
- Title（参考訳）: リスク心理学とサイバー攻撃戦術
- Authors: Rubens Kim, Stephan Carney, Yvonne Fonken, Soham Hans, Sofia Hirschmann, Stacy Marsella, Peggy Wu, Nikolos Gurney,
- Abstract要約: 我々は、認知プロセスが技術固有の使用を予測したかどうかを検証するために、混合効果ポアソン回帰を用いた。
このスケールは、テクニックの使用を著しく予測するが、一様ではなくテクニックによって効果が変化する。
- 参考スコア（独自算出の注目度）: 1.4564152675524673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We examine whether measured cognitive processes predict cyber-attack behavior. We analyzed data that included psychometric scale responses and labeled attack behaviors from cybersecurity professionals who conducted red-team operations against a simulated enterprise network. We employed multilevel mixed-effects Poisson regression with technique counts nested within participants to test whether cognitive processes predicted technique-specific usage. The scales significantly predicted technique use, but effects varied by technique rather than operating uniformly. Neither expertise level nor experimental treatment condition significantly predicted technique patterns, indicating that cognitive processes may be stronger drivers of technique selection than training or experience. These findings demonstrate that individual cognitive differences shape cyber-attack behavior and support the development of psychology-informed defense strategies.
- Abstract（参考訳）: 計測された認知過程がサイバー攻撃行動を予測するかどうかを検討する。
我々は、シミュレーションされた企業ネットワークに対してレッドチーム操作を行ったサイバーセキュリティ専門家の心理測定尺度応答とラベル付き攻撃行動を含むデータを分析した。
多段階混合効果ポアソン回帰法を参加者内にネストした手法を用いて,認知プロセスがテクニック固有の使用を予測したかどうかを検証した。
このスケールは、テクニックの使用を著しく予測するが、一様ではなくテクニックによって効果が変化する。
専門知識レベルも実験的治療条件も、技術パターンを著しく予測しておらず、認知過程が訓練や経験よりも技術選択の強い要因であることを示している。
これらの結果から,個人の認知的差異がサイバー攻撃行動を形成し,心理学的インフォームド・ディフェンス戦略の発展を支援することが示唆された。
関連論文リスト
- Quantifying the Engagement Effectiveness of Cyber Cognitive Attacks: A Behavioral Metric for Disinformation Campaigns [3.7735437117876267]
本稿では,重み付きインタラクションメトリクスを導入することにより,認知的攻撃のエンゲージメント効果を測定するための新しい枠組みを提案する。
このモデルをソーシャルメディアプラットフォーム全体にわたる現実世界の偽情報キャンペーンに適用することにより、計測値の到達だけでなく、ユーザのエンゲージメントの行動深度も示す。
論文 参考訳（メタデータ） (2025-10-17T16:34:46Z) - Towards Proactive Defense Against Cyber Cognitive Attacks [3.357544650969485]
サイバー認知攻撃は破壊的革新(DI)を活用し、心理的バイアスを利用して意思決定プロセスを操作する。
AI駆動の偽情報や合成メディアといった新しい技術は、これらの脅威の規模と洗練を加速してきた。
認知攻撃におけるDIの出現とその悪用を予測する新しい予測手法を提案する。
論文 参考訳（メタデータ） (2025-10-17T16:25:47Z) - Behavioral Exploration: Learning to Explore via In-Context Adaptation [53.92981562916783]
我々は、過去の観察の文脈で条件付けられた専門家の行動を予測し、専門家の行動がこの文脈とどのように関係しているかを測定するために、長期コンテキスト生成モデルを訓練する。
これにより、モデルが専門家の振る舞いを模倣するだけでなく、過去の相互作用の歴史を文脈に反映することで、これまで選択されたものと異なる専門家の振る舞いを選択することができる。
本手法は実環境におけるロボット操作作業だけでなく,シミュレーションロコモーションと操作設定の両方において有効であることを示す。
論文 参考訳（メタデータ） (2025-07-11T21:36:19Z) - Sequence models for by-trial decoding of cognitive strategies from neural data [0.0]
本稿では,脳波データから認知戦略を復号化するための新しい機械学習手法を提案する。
試行レベルでの認知操作をうまくモデル化することにより、意思決定戦略における動的変動の実証的証拠を提供する。
論文 参考訳（メタデータ） (2025-04-14T09:33:02Z) - Investigating Human-Identifiable Features Hidden in Adversarial
Perturbations [54.39726653562144]
我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。
対人摂動における人間の識別可能な特徴を同定する。
画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
論文 参考訳（メタデータ） (2023-09-28T22:31:29Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Identification of Attack-Specific Signatures in Adversarial Examples [62.17639067715379]
異なる攻撃アルゴリズムは, その効果だけでなく, 被害者の質的な影響も示している。
以上の結果から, 予測的対人攻撃は, 模擬モデルにおける成功率だけでなく, 被害者に対するより深い下流効果によって比較されるべきであることが示唆された。
論文 参考訳（メタデータ） (2021-10-13T15:40:48Z) - Adversarial Training is Not Ready for Robot Learning [55.493354071227174]
対人訓練は,ノルム有界摂動に耐性のあるディープラーニングモデルを訓練する有効な方法である。
敵訓練により得られたニューラルコントローラが3種類の欠陥を受けることを理論的および実験的に示す。
この結果から, ロボット学習にはまだ対応できていないことが示唆された。
論文 参考訳（メタデータ） (2021-03-15T07:51:31Z) - A Deep Genetic Programming based Methodology for Art Media
Classification Robust to Adversarial Perturbations [1.6148039130053087]
美術メディア分類問題(Art Media Classification problem)は,高価値美術品の特徴の複雑な抽出と分析によって注目されている研究分野である。
その信頼性に関する主な懸念は、入力画像(敵攻撃)に意図的に小さな摂動がある場合、その予測を完全に変更できるためである。
この研究は、深層学習と競合する深層遺伝プログラミング(Brain Programming)と呼ばれる方法を提示している。
論文 参考訳（メタデータ） (2020-10-03T00:36:34Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。