論文の概要: A Longitudinal Measurement Study of Log4Shell Exploitation from an Active Network Telescope

• arxiv url: http://arxiv.org/abs/2601.04281v1
• Date: Wed, 07 Jan 2026 12:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:52.858683
• Title: A Longitudinal Measurement Study of Log4Shell Exploitation from an Active Network Telescope
• Title（参考訳）: アクティブネットワーク望遠鏡によるLog4Shell爆発の経時的測定
• Authors: Aakash Singh, Kuldeep Singh Yadav, V. Anil Kumar, Samiran Ghosh, Pranita Baro, Basavala Bhanu Prasanth,
• Abstract要約: 2021年12月のLog4Shell脆弱性の暴露により、グローバルスキャンとエクスプロイト活動が前例のない波となった。 インドに配備されたアクティブネットワーク望遠鏡で観測されたLog4Shell関連トラフィックの経時的測定を行った。 分析の結果,Log4Shellの利用は開示後数年間継続していることがわかった。
• 参考スコア（独自算出の注目度）: 1.7907721703063866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The disclosure of the Log4Shell vulnerability in December 2021 led to an unprecedented wave of global scanning and exploitation activity. A recent study provided important initial insights, but was largely limited in duration and geography, focusing primarily on European and U.S. network telescope deployments and covering the immediate aftermath of disclosure. As a result, the longer-term evolution of exploitation behavior and its regional characteristics has remained insufficiently understood. In this paper, we present a longitudinal measurement study of Log4Shell-related traffic observed between December 2021 and October 2025 by an active network telescope deployed in India. This vantage point enables examination of sustained exploitation dynamics beyond the initial outbreak phase, including changes in scanning breadth, infrastructure reuse, payload construction, and destination targeting. Our analysis reveals that Log4Shell exploitation persists for several years after disclosure, with activity gradually concentrating around a smaller set of recurring scanner and callback infrastructures, accompanied by an increase in payload obfuscation and shifts in protocol and port usage. A comparative analysis and observations with the benchmark study validate both correlated temporal trends and systematic differences attributable to vantage point placement and coverage. Subsequently, these results demonstrate that Log4Shell remains active well beyond its initial disclosure period, underscoring the value of long-term, geographically diverse measurement for understanding the full lifecycle of critical software vulnerabilities.
• Abstract（参考訳）: 2021年12月のLog4Shell脆弱性の暴露により、グローバルスキャンとエクスプロイト活動が前例のない波となった。 最近の研究では、重要な初期の知見が得られたが、主にヨーロッパとアメリカのネットワーク望遠鏡の展開と、公開直後の観測に焦点を絞った、期間と地理に限られていた。 その結果、搾取行動の長期的進化とその地域的特徴はいまだに十分に理解されていない。 本稿では,2021年12月から2025年10月までにインドに配備されたアクティブネットワーク望遠鏡で観測されたLog4Shell関連トラフィックの経時的測定を行った。 このバンテージポイントは、スキャニングの幅、インフラの再利用、ペイロードの構築、目的地のターゲティングなど、初期発生フェーズを超える持続的なエクスプロイトダイナミクスの検証を可能にする。 分析の結果,Log4Shellのエクスプロイトは公開後数年間継続し,より小さなスキャナとコールバックインフラストラクチャを中心に活動が徐々に集中し,ペイロードの難読化やプロトコルやポート利用のシフトが増加することがわかった。 ベンチマークスタディとの比較分析と観察により, 時間的傾向と系統的差異の両方が, 逸脱点の配置とカバレッジに起因していることが検証された。 その後、これらの結果はLog4Shellが最初の公開期間を超えて活動していることを示し、重要なソフトウェア脆弱性の完全なライフサイクルを理解するための長期的、地理的に多様な測定値の価値を強調した。

関連論文リスト

• Oya: Deep Learning for Accurate Global Precipitation Estimation [0.2621533844622817]
  本研究は、静止衛星(GEO)からの可視・赤外観測の全スペクトルを利用した、新しいリアルタイム降水探索アルゴリズムであるOyaを紹介する。 Oyaは2段階の深層学習アプローチを採用し、降水検知と量的降水推定(QPE)という2つのU-Netモデルを組み合わせて、雨と無雨のイベントの固有のデータ不均衡に対処している。
  論文  参考訳（メタデータ） (2025-11-13T18:01:08Z)
• IterResearch: Rethinking Long-Horizon Agents via Markovian State Reconstruction [107.49922328855025]
  IterResearchは、マルコフ決定過程として長期研究を再構築する、新しい反復的深層研究パラダイムである。 6つのベンチマークで平均+14.5ppの既存のオープンソースエージェントよりも大幅に改善されている。 これは効果的なプロンプト戦略として機能し、ロングホライゾンタスクにおけるReActよりも19.2ppのフロンティアモデルを改善する。
  論文  参考訳（メタデータ） (2025-11-10T17:30:08Z)
• Non-Singularity of the Gradient Descent map for Neural Networks with Piecewise Analytic Activations [53.348574336527854]
  重みとバイアスの空間上の関数としてのニューラルネットワークマップについて検討する。 我々は、現実的なニューラルネットワークアーキテクチャの損失ランドスケープにおける勾配降下(GD)マップの非特異性を初めて証明した。
  論文  参考訳（メタデータ） (2025-10-28T14:34:33Z)
• EuroMineNet: A Multitemporal Sentinel-2 Benchmark for Spatiotemporal Mining Footprint Analysis in the European Union (2015-2024) [27.42428692928213]
  EuroMineNetは、マイニングフットプリントマッピングとモニタリングのための、最初の総合的なマルチテンポラルベンチマークである。 欧州連合全体で133の鉱業地帯にまたがっており、GeoAIベースのモデルで大陸規模で環境動態を解析することができる。 エウロマイネネットは、時間的に一貫した説明可能な鉱業モニタリングを進めることで、持続可能な土地利用管理、環境の回復力、そして、GeoAIを社会と環境の良し悪しに適用するというより広い目標に貢献する。
  論文  参考訳（メタデータ） (2025-10-16T13:15:53Z)
• S$^2$Transformer: Scalable Structured Transformers for Global Station Weather Forecasting [67.93713728260646]
  既存の時系列予測手法は、大規模なグローバルステーション予測を行う際に、空間的相関を無視または一方向的にモデル化することが多い。 これは、予測性能を制限する地球規模の気象システムの観測の根底にある性質と矛盾する。 本稿では,構造的空間的注意を新たに提案する。 空間グラフを一連のサブグラフに分割し、サブグラフ内の注意をインスタンス化し、各サブグラフ内の局所的な空間相関を学習する。 ノードをサブグラフ間のメッセージパッシングのためのサブグラフ表現に集約する。
  論文  参考訳（メタデータ） (2025-09-10T05:33:28Z)
• Applying Deep Learning to Anomaly Detection of Russian Satellite Activity for Indications Prior to Military Activity [0.0]
  本研究は,異常な活動を評価するための統計的および深層学習アプローチについて考察する。 第1次調査期間は、2022年2月24日の侵略までの6ヶ月間に焦点を当てている。 追加分析では、侵略日後にTLEデータをサンプリングすることにより、アクティブな戦闘期間におけるROS活動について調べる。
  論文  参考訳（メタデータ） (2025-08-24T22:44:11Z)
• Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
  赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。 現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。 本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
  論文  参考訳（メタデータ） (2025-06-15T08:19:32Z)
• Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
  強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。 本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。 これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
  論文  参考訳（メタデータ） (2024-07-17T09:45:27Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Decoupling Long- and Short-Term Patterns in Spatiotemporal Inference [31.245426664456257]
  高価なため、大量のセンサーを配備するのは現実的ではない。 きめ細かいデータ測定の仕方は、長い間、迫りくる問題だった。 本稿では,短期パターンの空間的および時間的関係を学習するためのグラフ時間的注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-09-16T03:06:31Z)
• Detection and Prediction of Nutrient Deficiency Stress using Longitudinal Aerial Imagery [3.5417999811721677]
  早期, 栄養不足ストレス(NDS)の精密検出は, 環境影響の精度だけでなく, 経済的にも重要である。 我々は,高分解能空中画像のシーケンスを収集し,セマンティクスセグメンテーションモデルを構築し,フィールド全体のndsの検出と予測を行う。 この研究は、リモートセンシングと農業の深層学習の発展に寄与し、経済と持続可能性に関する重要な社会的課題に対処している。
  論文  参考訳（メタデータ） (2020-12-17T15:06:15Z)

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。