論文の概要: Autonomous Threat Detection and Response in Cloud Security: A Comprehensive Survey of AI-Driven Strategies
- arxiv url: http://arxiv.org/abs/2601.03303v1
- Date: Tue, 06 Jan 2026 04:19:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-08 18:12:46.04029
- Title: Autonomous Threat Detection and Response in Cloud Security: A Comprehensive Survey of AI-Driven Strategies
- Title（参考訳）: クラウドセキュリティにおける自律的脅威検出と応答:AI駆動戦略の包括的調査
- Authors: Gaurav Sarraf, Vibhor Pal,
- Abstract要約: クラウドコンピューティングは、スケーラビリティ、適応性、オーバーヘッドの削減という3つの面で、オンラインコミュニティを変えました。
分散およびマルチテナント特性によってもたらされる深刻なセキュリティ上の懸念がある。
クラウドインフラのサイバー攻撃の先進段階においても、脅威を検知し、反応する古い方法が益々効果的になってきている。
これらの制限に対処する最近のトレンドは、人工知能(AI)技術の創出である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Cloud computing has changed online communities in three dimensions, which are scalability, adaptability and reduced overhead. But there are serious security concerns which are brought about by its distributed and multi-tenant characteristics. The old methods of detecting and reacting to threats which are mostly reliant on fixed signatures, predefined rules and human operators are becoming less and less effective even in the advanced stages of cyberattacks of cloud infrastructures. The recent trend in the field of addressing these limitations is the creation of technologies of artificial intelligence (AI). The strategies allow independent protection, anomaly detection, and real-time analysis with references to using deep learning, machine learning, and reinforcement learning. Through imbuing AI with a constantly-learning feature, it enables the intrusion detection system to be more accurate and generate a lesser number of false positives and it also enables the possibility of adaptive and predictive security. The fusion of large-scale language models with efficient orchestration platforms contributes to reacting to the arising threats with a quicker and more precise response. This allows automatic control over incidences, self-healing network, and defense mechanisms on a policy basis. Considering the current detection and response methods, this discussion assesses their strengths and weaknesses and outlines key issues such as data privacy, adversarial machine learning and integration complexity in the context of AI-based cloud security. These results suggest the future application of AI to support autonomous, scalable and active cloud security operations.
- Abstract（参考訳）: クラウドコンピューティングは、スケーラビリティ、適応性、オーバーヘッドの削減という3つの面で、オンラインコミュニティを変えました。
しかし、その分散およびマルチテナント特性によって引き起こされる深刻なセキュリティ上の懸念がある。
クラウドインフラストラクチャーのサイバー攻撃の先進段階においても、固定署名や事前定義されたルール、人間オペレーターに依存している脅威を検知し、反応する古い方法が、益々効果的になってきている。
これらの制限に対処する最近のトレンドは、人工知能(AI)技術の作成である。
この戦略は、独立保護、異常検出、およびディープラーニング、機械学習、強化学習の使用に関するリアルタイム分析を可能にする。
常に学習する機能でAIを入力することで、侵入検知システムがより正確になり、偽陽性の少ない数を生成することを可能にし、適応的で予測的なセキュリティを可能にする。
効率的なオーケストレーションプラットフォームを備えた大規模言語モデルの融合は、より迅速で正確な応答で発生する脅威への対応に寄与する。
これにより、政策ベースでインシデントの自動制御、自己修復ネットワーク、防衛機構が実現される。
この議論は、現在の検出と応答の方法を考えると、その強みと弱点を評価し、AIベースのクラウドセキュリティの文脈におけるデータプライバシ、敵機械学習、統合複雑性といった重要な問題を概説する。
これらの結果は、自律的でスケーラブルでアクティブなクラウドセキュリティオペレーションをサポートするためのAIの将来の応用を示唆している。
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) - Enhancing IoMT Security with Explainable Machine Learning: A Case Study on the CICIOMT2024 Dataset [0.0]
説明可能な人工知能(XAI)は、AIモデルの透明性と解釈可能性を高める。
サイバーセキュリティ、特にIoMT(Internet of Medical Things)では、AIによる脅威検出のブラックボックスの性質が大きな課題となっている。
本研究は,IoMT環境におけるサイバー攻撃分類のための2つのアンサンブル学習手法,バッグングとブースティングを比較した。
論文 参考訳（メタデータ） (2025-09-10T09:17:46Z) - 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) - How Malicious AI Swarms Can Threaten Democracy: The Fusion of Agentic AI and LLMs Marks a New Frontier in Information Warfare [40.42844888224356]
世論の操作は新しい段階に入り、レトリックとプロパガンダのルーツを増幅した。
大規模言語モデル(LLM)と自律エージェントの進歩により、前例のない規模と精度に達することができるようになった。
研究者たちは、AIが大量操作を促進すると警告している。
論文 参考訳（メタデータ） (2025-05-18T13:33:37Z) - AI-Driven Security in Cloud Computing: Enhancing Threat Detection, Automated Response, and Cyber Resilience [0.0]
本稿では、予測分析、行動に基づくセキュリティ脅威検出、AIスティリング暗号化を適用することにより、AIがクラウドセキュリティを強化する方法について検討する。
また、以前のセキュリティモデルの問題点と、AIがそれらを克服する方法についても概説している。
本稿では,AIを用いたクラウドデータアーキテクチャのセキュリティ動向について論じ,さらなる研究と応用の方向性を示す。
論文 参考訳（メタデータ） (2025-05-06T19:45:13Z) - Why Are Web AI Agents More Vulnerable Than Standalone LLMs? A Security Analysis [47.34614558636679]
本研究では,WebAIエージェントの脆弱性の増加に寄与する要因について検討する。
我々は,WebAIエージェントの脆弱性を増幅する3つの重要な要因,(1)ユーザの目標をシステムプロンプトに埋め込んだこと,(2)マルチステップアクション生成,(3)観察能力の3つを特定した。
論文 参考訳（メタデータ） (2025-02-27T18:56:26Z) - 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) - The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。
敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
論文 参考訳（メタデータ） (2021-06-26T10:50:07Z) - 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。