論文の概要: Web Technologies Security in the AI Era: A Survey of CDN-Enhanced Defenses

• arxiv url: http://arxiv.org/abs/2512.06390v1
• Date: Sat, 06 Dec 2025 10:42:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.337495
• Title: Web Technologies Security in the AI Era: A Survey of CDN-Enhanced Defenses
• Title（参考訳）: AI時代のWeb技術セキュリティ:CDN強化防衛に関する調査
• Authors: Mehrab Hosain, Sabbir Alom Shuvo, Matthew Ogbe, Md Shah Jalal Mazumder, Yead Rahman, Md Azizul Hakim, Anukul Pandey,
• Abstract要約: このサーベイは、エッジに展開されるAI強化された防御の風景を合成する。 我々は、より広範なWebアプリケーションおよびAPI保護(WAAP)の中で、異常および行動に基づくWebアプリケーションファイアウォール(WAF)に焦点を当てる。 我々は、XAI、敵対的堅牢性、自律的マルチエージェント防衛にまたがる研究課題を結論付けた。
• 参考スコア（独自算出の注目度）: 0.28106259549258145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The modern web stack, which is dominated by browser-based applications and API-first backends, now operates under an adversarial equilibrium where automated, AI-assisted attacks evolve continuously. Content Delivery Networks (CDNs) and edge computing place programmable defenses closest to users and bots, making them natural enforcement points for machine-learning (ML) driven inspection, throttling, and isolation. This survey synthesizes the landscape of AI-enhanced defenses deployed at the edge: (i) anomaly- and behavior-based Web Application Firewalls (WAFs) within broader Web Application and API Protection (WAAP), (ii) adaptive DDoS detection and mitigation, (iii) bot management that resists human-mimicry, and (iv) API discovery, positive security modeling, and encrypted-traffic anomaly analysis. We add a systematic survey method, a threat taxonomy mapped to edge-observable signals, evaluation metrics, deployment playbooks, and governance guidance. We conclude with a research agenda spanning XAI, adversarial robustness, and autonomous multi-agent defense. Our findings indicate that edge-centric AI measurably improves time-to-detect and time-to-mitigate while reducing data movement and enhancing compliance, yet introduces new risks around model abuse, poisoning, and governance.
• Abstract（参考訳）: ブラウザベースのアプリケーションとAPIファーストバックエンドが支配するモダンなWebスタックは、自動化されたAI支援アタックが継続的に進化する対向均衡の下で運用されている。 コンテンツ配信ネットワーク(CDN)とエッジコンピューティングは、プログラム可能なディフェンスをユーザやボットに最も近いものにし、機械学習(ML)によるインスペクション、スロットリング、アイソレーションの自然な実行ポイントにする。 この調査は、エッジに展開されたAI強化防衛の風景を合成する。 (i)より広範なWebアプリケーションおよびAPI保護(WAAP)内での、異常および行動に基づくWebアプリケーションファイアウォール(WAF) (II)適応型DDoS検出及び緩和 三 人事に抵抗するボット管理、及び (iv)API発見、ポジティブなセキュリティモデリング、暗号化されたトラフィック異常解析。 我々は,組織的な調査手法,エッジオブザーバブルな信号にマッピングされた脅威分類,評価指標,デプロイメントプレイブック,ガバナンスガイダンスを追加する。 我々は、XAI、敵対的堅牢性、自律的マルチエージェント防衛にまたがる研究課題を結論付けた。 我々の研究結果によると、エッジ中心のAIは、データの動きを減らし、コンプライアンスを向上しながら、時間から検出までの時間と緩和の時間を計測し、モデルの乱用、中毒、ガバナンスに関する新たなリスクを導入している。

関連論文リスト

• Adaptive Cybersecurity Architecture for Digital Product Ecosystems Using Agentic AI [0.0]
  本研究では,動的学習と文脈認識型意思決定が可能な自律目標駆動エージェントを提案する。 行動ベースライン、分散リスクスコア、フェデレーションされた脅威情報共有は重要な特徴である。 このアーキテクチャは、複雑なデジタルインフラストラクチャを保護するインテリジェントでスケーラブルな青写真を提供する。
  論文  参考訳（メタデータ） (2025-09-25T00:43:53Z)
• A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
  近年の研究では、敵が対象モデルの機能を複製できることが示されている。 モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。 本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-20T19:49:59Z)
• Securing Agentic AI: Threat Modeling and Risk Analysis for Network Monitoring Agentic AI System [2.5145802129902664]
  MAESTROフレームワークはエージェントAIの脆弱性を公開、評価、排除するために使用された。 プロトタイプエージェントシステムはPython、LangChain、WebSocketでテレメトリを使用して構築、実装された。
  論文  参考訳（メタデータ） (2025-08-12T00:14:12Z)
• Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
  現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。 当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
  論文  参考訳（メタデータ） (2025-07-03T02:45:51Z)
• Artificial Intelligence as the New Hacker: Developing Agents for Offensive Security [0.0]
  本稿では,人工知能(AI)の攻撃的サイバーセキュリティへの統合について検討する。 サイバー攻撃をシミュレートし実行するために設計された、自律的なAIエージェントであるReaperAIを開発している。 ReaperAIは、セキュリティ脆弱性を自律的に識別し、悪用し、分析する可能性を実証する。
  論文  参考訳（メタデータ） (2024-05-09T18:15:12Z)
• 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。