論文の概要: MAGE-ID: A Multimodal Generative Framework for Intrusion Detection Systems

• arxiv url: http://arxiv.org/abs/2512.03375v1
• Date: Wed, 03 Dec 2025 02:22:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:10:03.267803
• Title: MAGE-ID: A Multimodal Generative Framework for Intrusion Detection Systems
• Title（参考訳）: 侵入検知システムのためのマルチモーダル生成フレームワークMAGE-ID
• Authors: Mahdi Arab Loodaricheh, Mohammad Hossein Manshaei, Anita Raja,
• Abstract要約: 本稿では拡散型生成フレームワークであるMAGE-ID(Multimodal Attack Generator for Intrusion Detection)を紹介する。 トランスフォーマーとCNNベースの変分エンコーダをEDMスタイルのデノイザで共同でトレーニングすることにより、MAGE-IDはバランスよくコヒーレントなマルチモーダル合成を実現する。
• 参考スコア（独自算出の注目度）: 0.7774159184252745
• License:
• Abstract: Modern Intrusion Detection Systems (IDS) face severe challenges due to heterogeneous network traffic, evolving cyber threats, and pronounced data imbalance between benign and attack flows. While generative models have shown promise in data augmentation, existing approaches are limited to single modalities and fail to capture cross-domain dependencies. This paper introduces MAGE-ID (Multimodal Attack Generator for Intrusion Detection), a diffusion-based generative framework that couples tabular flow features with their transformed images through a unified latent prior. By jointly training Transformer and CNN-based variational encoders with an EDM style denoiser, MAGE-ID achieves balanced and coherent multimodal synthesis. Evaluations on CIC-IDS-2017 and NSL-KDD demonstrate significant improvements in fidelity, diversity, and downstream detection performance over TabSyn and TabDDPM, highlighting the effectiveness of MAGE-ID for multimodal IDS augmentation.
• Abstract（参考訳）: 現代の侵入検知システム(IDS)は、異種ネットワークトラフィック、サイバー脅威の進化、良性と攻撃フローの間のデータ不均衡の明確化による深刻な課題に直面している。 生成モデルはデータ拡張における有望性を示しているが、既存のアプローチは単一のモダリティに限定されており、ドメイン間の依存関係をキャプチャできない。 本稿では,テーブル状フロー特徴とそれらの変換画像とを結合した拡散型生成フレームワークであるMAGE-IDを提案する。 トランスフォーマーとCNNベースの変分エンコーダをEDMスタイルのデノイザで共同でトレーニングすることにより、MAGE-IDはバランスよくコヒーレントなマルチモーダル合成を実現する。 CIC-IDS-2017およびNSL-KDDの評価は、TabSynおよびTabDDPMに対する忠実度、多様性、下流検出性能を大幅に改善し、MAGE-IDのマルチモーダルID拡張効果を強調した。

関連論文リスト

• MambaITD: An Efficient Cross-Modal Mamba Network for Insider Threat Detection [9.049925971684837]
  本稿では,Mamba状態空間モデルとクロスモーダル適応融合に基づく新たなインサイダー脅威検出フレームワークMambaITDを提案する。 従来の手法と比較して、MambaITDはモデリング効率と機能融合能力において大きな利点を示している。
  論文  参考訳（メタデータ） (2025-08-06T18:45:00Z)
• Variational Autoencoding Discrete Diffusion with Enhanced Dimensional Correlations Modeling [48.96034602889216]
  Variencoding Discrete Diffusion (VADD) は、潜在変数モデリングによる離散拡散を強化する新しいフレームワークである。 補助的認識モデルを導入することにより、VADDはトレーニングセット上の変分下界と償却推論を介して安定したトレーニングを可能にする。 2Dトイデータ、画素レベルの画像生成、テキスト生成に関する実証結果は、VADDがMDMベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-23T01:45:47Z)
• ITCFN: Incomplete Triple-Modal Co-Attention Fusion Network for Mild Cognitive Impairment Conversion Prediction [12.893857146169045]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、高齢者の神経変性疾患である。 軽度認知障害(MCI)の早期予測と時間的介入は、ADに進むリスクを減少させる可能性がある。
  論文  参考訳（メタデータ） (2025-01-20T05:12:31Z)
• MMAR: Towards Lossless Multi-Modal Auto-Regressive Probabilistic Modeling [64.09238330331195]
  本稿では,MMAR(Multi-Modal Auto-Regressive)確率モデルフレームワークを提案する。 離散化の手法とは異なり、MMARは情報損失を効率的に回避するために、連続的に評価された画像トークンを取り入れている。 また,数値安定性問題に対処する理論的に実証された手法と,タスク目標の生成と理解のバランスをとるトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-14T17:57:18Z)
• Multi-scale Bottleneck Transformer for Weakly Supervised Multimodal Violence Detection [9.145305176998447]
  弱教師付きマルチモーダル暴力検出は、複数のモダリティを活用することで暴力検出モデルを学ぶことを目的としている。 本稿では,情報冗長性,モダリティの不均衡,モダリティの非同期性といった課題に明示的に対処する,弱教師付きMVD法を提案する。 最大規模のXD-Violenceデータセットの実験により,提案手法が最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-05-08T15:27:08Z)
• MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
  実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。 近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。 SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
  論文  参考訳（メタデータ） (2024-04-13T13:39:26Z)
• MTS-DVGAN: Anomaly Detection in Cyber-Physical Systems using a Dual Variational Generative Adversarial Network [7.889342625283858]
  深層生成モデルは、ラベル付き情報に頼ることなく、サイバー物理システム(CPS)の脆弱性を軽減し、新しいサイバー物理攻撃を検出することを約束している。 本稿では、MST-DVGANという、教師なし二重変分生成対向モデルを提案する。 中心となる概念は、再構成された異常サンプルと正常なサンプルとの区別を広げることで、モデルの識別能力を高めることである。
  論文  参考訳（メタデータ） (2023-11-04T11:19:03Z)
• Unified Discrete Diffusion for Simultaneous Vision-Language Generation [78.21352271140472]
  本稿では,「モダリティ変換」タスクと「マルチモダリティ生成」タスクの両方を実行することができる統一型マルチモーダル生成モデルを提案する。 具体的には,マルチモーダル信号の離散拡散過程を統一遷移行列を用いて統一する。 提案手法は, 様々な生成タスクにおいて, 最先端のソリューションと同等に動作可能である。
  論文  参考訳（メタデータ） (2022-11-27T14:46:01Z)

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。