論文の概要: LegionITS: A Federated Intrusion-Tolerant System Architecture

• arxiv url: http://arxiv.org/abs/2512.14242v1
• Date: Tue, 16 Dec 2025 09:52:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.672302
• Title: LegionITS: A Federated Intrusion-Tolerant System Architecture
• Title（参考訳）: LegionITS: フェデレートされた侵入耐性システムアーキテクチャ
• Authors: Tadeu Freitas, Carlos Novo, Manuel E. Correia, Rolando Martins,
• Abstract要約: 本稿では, 侵入耐性システム (ITS) とMalware Information Sharing Platform (MISP) を連携させて, SOCの強化を図るアーキテクチャを提案する。 概念実証として,Federated Learning (FL) に差分プライバシー(DP)を適用し,98.42%から85.98%までの精度低下を観測し,一つのモジュールを評価する。
• 参考スコア（独自算出の注目度）: 0.6524460254566903
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The growing sophistication, frequency, and diversity of cyberattacks increasingly exceed the capacity of individual entities to fully understand and counter them. While existing solutions, such as Security Information and Event Management (SIEM) systems, Security Orchestration, Automation, and Response (SOAR) platforms, and Security Operation Center (SOC), play a vital role in mitigating known threats, they often struggle to effectively address emerging and unforeseen attacks. To increase the effectiveness of cyber defense, it is essential to foster greater information sharing between entities; however, this requires addressing the challenge of exchanging sensitive data without compromising confidentiality or operational security. To address the challenges of secure and confidential Cyber Threat Intelligence (CTI) sharing, we propose a novel architecture that federates Intrusion Tolerant Systems (ITSs) and leverages concepts from Malware Information Sharing Platform (MISP) to empower SOCs. This framework enables controlled collaboration and data privacy while enhancing collective defenses. As a proof of concept, we evaluate one module by applying Differential Privacy (DP) to Federated Learning (FL), observing a manageable accuracy drop from 98.42% to 85.98% (average loss 12.44%) while maintaining reliable detection of compromised messages. These results highlight the viability of secure data sharing and establishes a foundation for the future full-scale implementation of LegionITS.
• Abstract（参考訳）: サイバー攻撃の高度化、頻度、多様性の増大は、それらを完全に理解し、対処する個々のエンティティの能力を超えている。 セキュリティ情報とイベント管理(SIEM)システム、セキュリティオーケストレーション、自動化、レスポンス(SOAR)プラットフォーム、セキュリティ運用センター(SOC)といった既存のソリューションは、既知の脅威を緩和する上で重要な役割を担っているが、新しく予期せぬ攻撃に効果的に対処するのに苦労することが多い。 サイバー防衛の有効性を高めるためには、エンティティ間の情報共有の促進が不可欠であるが、機密性や運用上のセキュリティを損なうことなく機密データを交換するという課題に対処する必要がある。 セキュアで機密性の高いサイバー脅威情報(CTI)共有の課題に対処するため,我々は,侵入耐性システム(ITS)を連携させ,MISP(Malware Information Sharing Platform)の概念を活用してSOCの強化を図る新しいアーキテクチャを提案する。 このフレームワークは、集合的な防御を強化しながら、コントロールされたコラボレーションとデータのプライバシを可能にする。 概念実証として、Federated Learning (FL) に差分プライバシー (DP) を適用し、管理可能な精度低下を98.42%から85.98%(平均損失12.44%)まで観察し、漏洩したメッセージの信頼性を保ちながら、1つのモジュールを評価する。 これらの結果は、セキュアなデータ共有の実現可能性を強調し、将来のLegionITSの本格的な実装の基礎を確立する。

関連論文リスト

• On the Security and Privacy of Federated Learning: A Survey with Attacks, Defenses, Frameworks, Applications, and Future Directions [1.7056096558557128]
  Federated Learning(FL)は、クライアントが生データを共有せずにグローバルモデルを協調的にトレーニングできる、新興の分散機械学習パラダイムである。 FLはデータプライバシを設計によって強化するが、さまざまなセキュリティやプライバシの脅威に対して脆弱である。 セキュリティ強化手法は、ビザンチン攻撃、中毒、シビル攻撃などの悪意ある行動に対してFLの堅牢性を改善することを目的としている。 プライバシー保護技術は、暗号化アプローチ、差分プライバシー、セキュアアグリゲーションを通じて機密データを保護することに重点を置いている。
  論文  参考訳（メタデータ） (2025-08-19T11:06:20Z)
• Open Challenges in Multi-Agent Security: Towards Secure Systems of Interacting AI Agents [0.0]
  分散AIエージェントはすぐにインターネットプラットフォーム間で対話し、従来のサイバーセキュリティやAI安全フレームワークを超えたセキュリティ上の課題を生み出す。 textbfmulti-agent Securityは、分散化されたAIエージェントのネットワークを、そのインタラクションを通じて出現または増幅する脅威に対して保護する、新たな分野である。
  論文  参考訳（メタデータ） (2025-05-04T12:03:29Z)
• Llama-3.1-FoundationAI-SecurityLLM-Base-8B Technical Report [50.268821168513654]
  我々は,Llama 3.1アーキテクチャ上に構築された,サイバーセキュリティにフォーカスした大規模言語モデル(LLM)であるFoundation-Sec-8Bを紹介する。 我々は、Llama 3.1-70B と GPT-4o-mini がサイバーセキュリティ固有のタスクで一致していることを示し、確立された新しいサイバーセキュリティベンチマークと新しいサイバーセキュリティベンチマークの両方で評価した。 当社のモデルを一般公開することで、公開とプライベート両方のサイバーセキュリティ状況において、AI駆動ツールの進歩と採用を加速することを目指しています。
  論文  参考訳（メタデータ） (2025-04-28T08:41:12Z)
• SeCTIS: A Framework to Secure CTI Sharing [13.251593345960265]
  現代の組織におけるIT依存型オペレーションの台頭は、サイバー攻撃に対する脆弱性を高めている。 現在の情報共有手法では、プライバシ保護が欠如しており、プロプライエタリデータとシークレットデータの漏洩に脆弱な組織を残している。 我々は、企業がCTIデータのプライバシーを保護し、協力できるように、SeCTIS(Secure Cyber Threat Intelligence Sharing)と呼ばれる新しいフレームワークを設計する。
  論文  参考訳（メタデータ） (2024-06-20T08:34:50Z)
• Secure Aggregation is Not Private Against Membership Inference Attacks [66.59892736942953]
  フェデレーション学習におけるSecAggのプライバシーへの影響について検討する。 SecAggは、単一のトレーニングラウンドであっても、メンバシップ推論攻撃に対して弱いプライバシを提供します。 以上の結果から,ノイズ注入などの付加的なプライバシー強化機構の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-03-26T15:07:58Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Orchestrating Collaborative Cybersecurity: A Secure Framework for Distributed Privacy-Preserving Threat Intelligence Sharing [7.977316321387031]
  サイバー脅威インテリジェンス(CTI)の共有は、攻撃者と防御者の間の情報非対称性を減らす重要な活動である。 現在の文献では、すべての情報を含む集中型データベースへのアクセスを前提としているが、これは必ずしも実現可能であるとは限らない。 本稿では,インシデントや脆弱性,妥協の指標に関する分散データからCTIを抽出する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-06T17:44:20Z)
• A System for Automated Open-Source Threat Intelligence Gathering and Management [53.65687495231605]
  SecurityKGはOSCTIの収集と管理を自動化するシステムである。 AIとNLP技術を組み合わせて、脅威行動に関する高忠実な知識を抽出する。
  論文  参考訳（メタデータ） (2021-01-19T18:31:35Z)
• SMEs' Confidentiality Concerns for Security Information Sharing [1.3452510519858993]
  しかし、中小の企業はEU経済の不可欠な部分と考えられているが、サイバー攻撃に非常に脆弱である。 本稿では,中小企業の主任情報セキュリティ責任者7人との半構造化インタビューの結果を提示し,オンライン同意コミュニケーションが情報共有のモチベーションに与える影響を評価する。 その結果,合意の適切なレベルを示す複数の選択肢によるオンライン同意が情報共有のモチベーションを改善した。
  論文  参考訳（メタデータ） (2020-07-13T10:59:40Z)

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。