論文の概要: Cyber Threat Detection and Vulnerability Assessment System using Generative AI and Large Language Model

• arxiv url: http://arxiv.org/abs/2601.06213v1
• Date: Thu, 08 Jan 2026 19:19:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.683235
• Title: Cyber Threat Detection and Vulnerability Assessment System using Generative AI and Large Language Model
• Title（参考訳）: 生成AIと大規模言語モデルを用いたサイバー脅威検出・脆弱性評価システム
• Authors: Keerthi Kumar. M, Swarun Kumar Joginpelly, Sunil Khemka, Lakshmi. S R, Navin Chhibber,
• Abstract要約: サイバー攻撃にはランサムウェア、マルウェア、フィッシング、DoS(DoS)関連の攻撃など様々な脅威が含まれる。 Gene Artificial Intelligence (AI)やSecurity Bidirectional Representations from Transformers (BERT)といった従来のモデルは、サイバー脅威を検出するために実装された。 既存のSecurity BERTモデルは、テキストデータの文脈的理解が限られており、サイバー攻撃の検出にはあまり影響しない。 提案したRoBERTaモデルは,精度(0.99),リコール(0.91),精度(0.89)で既存のBERTモデルよりも優れた結果を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Cyber-attacks have evolved rapidly in recent years, many individuals and business owners have been affected by cyber-attacks in various ways. Cyber-attacks include various threats such as ransomware, malware, phishing, and Denial of Service (DoS)-related attacks. Challenges: Traditional models such as Generative Artificial Intelligence (AI) and Security Bidirectional Encoder Representations from Transformers (BERT) were implemented to detect cyber threats. However, the existing Security BERT model has a limited contextual understanding of text data, which has less impact on detecting cyber-attacks. Proposed Methodology: To overcome the above-mentioned challenges, Robustly Optimized Bidirectional Encoder Representations from Transformers Pretraining Approach (RoBERTa) model is proposed which consists of diverse words of vocabulary understanding. Initially, data are extracted from a Packet Capture (PCAP) file and encrypted using Fully Harmonic Encryption (FHE). Subsequently, a Byte-level and Byte Pair Encoding (BBPE) tokenizer was used to generate tokens and help maintain the vocabulary for the encrypted values. Then, these values are applied to the RoBERTa model of the transformer with extensive training. Finally, Softmax is used for the detection and classification of attacks. The proposed RoBERTa model achieved better results than the existing BERT model in terms of accuracy (0.99), recall (0.91), and precision (0.89) respectively.
• Abstract（参考訳）: 背景: サイバー攻撃は近年急速に進展しており、多くの個人や企業オーナーが様々な方法でサイバー攻撃を受けてきた。 サイバー攻撃にはランサムウェア、マルウェア、フィッシング、DoS(DoS)関連の攻撃など様々な脅威が含まれる。 課題: サイバー脅威を検出するために、生成人工知能(AI)やBERT(Security Bidirectional Encoder Representations from Transformers)といった従来のモデルが導入された。 しかし、既存のSecurity BERTモデルはテキストデータの文脈的理解が限られており、サイバー攻撃の検出には影響しない。 提案手法: 上述した課題を克服するため, トランスフォーマーによるロバスト最適化双方向エンコーダ表現(RoBERTa)モデルを提案する。 当初、データはパケットキャプチャ(PCAP)ファイルから抽出され、Fully Harmonic Encryption(FHE)を使用して暗号化される。 その後、ByteレベルおよびByte Pair Encoding(BBPE)トークンライザを使用してトークンを生成し、暗号化された値の語彙を維持する。 そして、これらの値を広範囲なトレーニングで変換器のRoBERTaモデルに適用する。 最後に、Softmaxは攻撃の検出と分類に使用される。 提案したRoBERTaモデルは,精度(0.99),リコール(0.91),精度(0.89)で既存のBERTモデルよりも優れた結果を得た。

関連論文リスト

• Explainable Transformer-Based Email Phishing Classification with Adversarial Robustness [0.0]
  フィッシングと関連するサイバー脅威は、より多様で技術的に進んでいる。 最近の脅威、特に人工知能(AI)によるフィッシング攻撃は、フィッシング検出器のシステム全体のレジリエンスを低下させている。 本研究では,メール分類におけるBERT変換モデルの小型,高速,軽量バージョンであるDistilBERTを用いたハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2025-11-15T08:05:47Z)
• SecureBERT 2.0: Advanced Language Model for Cybersecurity Intelligence [5.844061361572245]
  サイバーセキュリティアプリケーション向けに開発されたエンコーダのみの言語モデルであるSecureBERT 2.0を提案する。 改良された長文モデリングと階層符号化を導入し、拡張および異種文書の効率的な処理を可能にした。 SecureBERT 2.0は、複数のサイバーセキュリティベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-30T20:12:37Z)
• The Application of Transformer-Based Models for Predicting Consequences of Cyber Attacks [0.4604003661048266]
  脅威モデリング(Threat Modeling)は、サイバーセキュリティの専門家に重要なサポートを提供し、タイムリーに行動し、他の場所で使用可能なリソースを割り当てることを可能にする。 近年,攻撃記述の評価やサイバー攻撃の今後の結果を予測するための自動手法の必要性が高まっている。 本研究では,NLP(Natural Language Processing)とディープラーニング(Deep Learning)がサイバー攻撃の潜在的影響を分析するためにどのように応用できるかを検討する。
  論文  参考訳（メタデータ） (2025-08-18T15:46:36Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior [118.92747171905727]
  本稿では,学習画像の圧縮モデルに複数のトリガを付加したバックドアアタックを起動するための新しい周波数ベースのトリガインジェクションモデルを提案する。 1) 圧縮品質をビットレートと再現精度で劣化させる,2) 顔認識やセマンティックセグメンテーションといったタスク駆動型対策を目標とする,様々なシナリオに適した攻撃目標を設計する。 実験の結果, トリガーインジェクションモデルと, エンコーダパラメータの微調整を組み合わせることで, 複数のバックドアとトリガーを1つの圧縮モデルに注入することができた。
  論文  参考訳（メタデータ） (2024-12-02T15:58:40Z)
• Defending Large Language Models against Jailbreak Attacks via Semantic Smoothing [107.97160023681184]
  適応型大規模言語モデル(LLM)は、ジェイルブレイク攻撃に対して脆弱である。 提案するSEMANTICSMOOTHは,与えられた入力プロンプトのセマンティック変換されたコピーの予測を集約するスムージングベースのディフェンスである。
  論文  参考訳（メタデータ） (2024-02-25T20:36:03Z)
• BAGM: A Backdoor Attack for Manipulating Text-to-Image Generative Models [54.19289900203071]
  テキストから画像への生成人工知能の普及は、大衆の関心を集めている。 ユーザを微妙に操作するコンテンツを生成するために,この技術を攻撃できることを実証する。 テキストから画像生成モデル(BAGM)に対するバックドアアタックを提案する。 我々の攻撃は、生成過程の3段階にわたる3つの一般的なテキスト・画像生成モデルをターゲットにした最初の攻撃である。
  論文  参考訳（メタデータ） (2023-07-31T08:34:24Z)
• Revolutionizing Cyber Threat Detection with Large Language Models: A privacy-preserving BERT-based Lightweight Model for IoT/IIoT Devices [3.340416780217405]
  本稿では,インターネットネットワークにおけるサイバー脅威検出にBERT(Bidirectional Representations from Transformers)モデルを活用する,新たなアーキテクチャであるSecurityBERTを提案する。 我々の研究は、SecurityBERTがサイバー脅威検出において、畳み込みニューラルネットワーク(CNNIoT)やリカレントニューラルネットワーク(IoTRNN)など、従来の機械学習(ML)とディープラーニング(DL)の手法より優れていることを示した。 SecurityBERTは、14の異なる攻撃タイプを特定することで、98.2%の全体的な精度を達成し、ハイブリッドソリューションによって設定された過去の記録を上回った。
  論文  参考訳（メタデータ） (2023-06-25T15:04:21Z)
• Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
  多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。 本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。 本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
  論文  参考訳（メタデータ） (2020-07-28T19:00:40Z)

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。