論文の概要: Rethinking Cybersecurity Ontology Classification and Evaluation: Towards a Credibility-Centered Framework
- arxiv url: http://arxiv.org/abs/2512.01651v1
- Date: Mon, 01 Dec 2025 13:25:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-02 19:46:34.862166
- Title: Rethinking Cybersecurity Ontology Classification and Evaluation: Towards a Credibility-Centered Framework
- Title（参考訳）: サイバーセキュリティオントロジーの分類と評価の再考:信頼性重視フレームワークを目指して
- Authors: Antoine Leblanc, Jacques Robin, Nourhène Ben Rabah, Zequan Huang, Bénédicte Le Grand,
- Abstract要約: 本稿では,サイバーセキュリティの普及を解析し,この急上昇は技術的欠陥だけでなく信頼性の欠陥によっても説明できないと論じた。
本稿では,信頼性評価の枠組みを改訂し,制度的支援,学術的認識,日々の実践者の検証,産業採用などの指標を導入した。
次に、このフレームワークを具体的な用途に適用する:フランコ・ルクセンブルクの研究プロジェクトANCILE。
- 参考スコア（独自算出の注目度）: 0.19703625025720695
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper analyzes the proliferation of cybersecurity ontologies, arguing that this surge cannot be explained solely by technical shortcomings related to quality, but also by a credibility deficit - a lack of trust, endorsement, and adoption by users. This conclusion is based on our first contribution, which is a state-of-the-art review and categorization of cybersecurity ontologies using the Framework for Ontologies Classification framework. To address this gap, we propose a revised framework for assessing credibility, introducing indicators such as institutional support, academic recognition, day-to-day practitioner validation, and industrial adoption. Based on these new credibility indicators, we construct a classification scheme designed to guide the selection of ontologies that are relevant to specific security needs. We then apply this framework to a concrete use case: the Franco-Luxembourgish research project ANCILE, which illustrates how a credibility-aware evaluation can reshape ontology selection for operational contexts.
- Abstract（参考訳）: 本稿では,サイバーセキュリティオントロジーの普及を解析し,この急上昇は品質に関する技術的欠点だけでなく,信頼性の欠陥,信頼の欠如,支持の欠如,ユーザによる採用などによっても説明できないと論じる。
この結論は、フレームワーク・フォー・オントロジー分類フレームワークを用いたサイバーセキュリティオントロジーの最先端のレビューと分類である、私たちの最初のコントリビューションに基づいている。
このギャップに対処するため,施設支援,学術的認識,日々の実践者の検証,産業導入などの指標を導入し,信頼性を評価するための枠組みを改訂した。
これらの新たな信頼性指標に基づいて,特定のセキュリティニーズに関連するオントロジーの選択を導くための分類手法を構築した。
次に、このフレームワークを具体的なユースケースに適用する:フランコ・ルクセンブルクの研究プロジェクトANCILE。
関連論文リスト
- Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned [45.44933002008943]
この白書は、T"UV AUSTRIA Trusted AIフレームワークを提示する。
エンド・ツー・エンドの監査カタログであり、機械学習システムの評価と認定のための方法論である。
セキュアなソフトウェア開発、機能要件、倫理とデータプライバシという3つの柱の上に構築されているのは、EU AI Actの高レベルの義務を、特定かつテスト可能な基準に翻訳するものです。
論文 参考訳（メタデータ） (2025-09-08T17:52:08Z) - Position: Certified Robustness Does Not (Yet) Imply Model Security [29.595213559303996]
認証された堅牢性は、人工知能システムの敵例に対する解決策として推奨される。
我々は,検出のパラドックスを含む,現在の研究における重要なギャップを識別する。
本稿では,これらの基本的な課題に対処し,実用化に向けての分野を前進させる手順を提案する。
論文 参考訳（メタデータ） (2025-06-16T01:18:33Z) - Measurement to Meaning: A Validity-Centered Framework for AI Evaluation [12.55408229639344]
我々は、利用可能な証拠から得られる評価的クレームのタイプを推論するための構造化されたアプローチを提供する。
私たちのフレームワークは、機械学習の現代的なパラダイムに適しています。
論文 参考訳（メタデータ） (2025-05-13T20:36:22Z) - Advancing Neural Network Verification through Hierarchical Safety Abstract Interpretation [52.626086874715284]
我々は、安全でない出力の階層構造を検証する抽象的DNN検証と呼ばれる新しい問題定式化を導入する。
出力到達可能な集合に関する抽象的解釈と推論を活用することにより,形式的検証プロセスにおいて,複数の安全性レベルを評価することができる。
我々の貢献には、新しい抽象的安全性の定式化と既存のアプローチとの関係を理論的に探求することが含まれる。
論文 参考訳（メタデータ） (2025-05-08T13:29:46Z) - The Foundations of Tokenization: Statistical and Computational Concerns [51.370165245628975]
トークン化は、NLPパイプラインにおける重要なステップである。
NLPにおける標準表現法としての重要性は認識されているが、トークン化の理論的基盤はまだ完全には理解されていない。
本稿では,トークン化モデルの表現と解析のための統一的な形式的枠組みを提案することによって,この理論的ギャップに対処することに貢献している。
論文 参考訳（メタデータ） (2024-07-16T11:12:28Z) - A Backdoor-based Explainable AI Benchmark for High Fidelity Evaluation of Attributions [60.06461883533697]
まず、属性手法の信頼性ベンチマークが満たすであろう信頼度基準のセットを同定する。
次に、望ましい忠実度基準に準拠したBackdoorベースのeXplainable AIベンチマーク(BackX)を紹介します。
我々の分析はまた、属性を利用して神経トロイの木馬を守るための洞察を提供する。
論文 参考訳（メタデータ） (2024-05-02T13:48:37Z) - Confidence Estimation via Auxiliary Models [47.08749569008467]
モデル信頼のための新しいターゲット基準、すなわち真のクラス確率(TCP)を紹介します。
標準最大クラス確率 (MCP) よりも TCP が信頼度推定に優れた特性を提供することを示す。
論文 参考訳（メタデータ） (2020-12-11T17:21:12Z) - A general framework for defining and optimizing robustness [74.67016173858497]
分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。
我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。
我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
論文 参考訳（メタデータ） (2020-06-19T13:24:20Z)
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。