論文の概要: zkRansomware: Proof-of-Data Recoverability and Multi-round Game Theoretic Modeling of Ransomware Decisions

• arxiv url: http://arxiv.org/abs/2601.06667v1
• Date: Sat, 10 Jan 2026 20:00:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.929582
• Title: zkRansomware: Proof-of-Data Recoverability and Multi-round Game Theoretic Modeling of Ransomware Decisions
• Title（参考訳）: zkRansomware:Ransomware決定のデータの探索可能性とマルチラウンドゲーム理論モデリング
• Authors: Xinyu Hou, Yang Lu, Rabimba Karanjai, Lei Xu, Weidong Shi,
• Abstract要約: 我々はzkRansomwareを導入・分析する。 この新しいランサムウェアモデルは、ゼロ知識証明を統合して、検証可能なデータリカバリを可能にする。 zkRansomwareは、既存の暗号化およびブロックチェーンツールを使用して技術的に実現可能であることを示す。
• 参考スコア（独自算出の注目度）: 10.732091797893903
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ransomware is still one of the most serious cybersecurity threats. Victims often pay but fail to regain access to their data, while also facing the danger of losing data privacy. These uncertainties heavily shape the attacker-victim dynamics in decision-making. In this paper, we introduce and analyze zkRansomware. This new ransomware model integrates zero-knowledge proofs to enable verifiable data recovery and uses smart contracts to enforce multi-round payments while mitigating the risk of data disclosure and privacy loss. We show that zkRansomware is technically feasible using existing cryptographic and blockchain tools and, perhaps counterintuitively, can align incentives between the attacker and the victim. Finally, we develop a theoretical decision-making frame- work for zkRansomware that distinguishes it from known ransomware decision models and discusses its implications for ransomware risk anal- ysis and response decision support.
• Abstract（参考訳）: ランサムウェアは今でも、最も深刻なサイバーセキュリティの脅威の1つだ。 被害者はしばしば料金を支払うが、データへのアクセスを回復できず、データのプライバシーを失う危険性に直面している。 これらの不確実性は、意思決定における攻撃者-被害者のダイナミクスを大きく形作っている。 本稿では,zkRansomwareを紹介し,分析する。 この新しいランサムウェアモデルは、ゼロ知識証明を統合して、検証可能なデータリカバリを可能にし、データ開示とプライバシ損失のリスクを軽減しつつ、スマートコントラクトを使用してマルチラウンド支払いを実施する。 zkRansomwareは、既存の暗号化およびブロックチェーンツールを使用して技術的に実現可能であることを示し、おそらくは、攻撃者と被害者の間のインセンティブを調整することができる。 最後に、既知のランサムウェア決定モデルと区別したzkRansomwareの理論的意思決定フレームワークを開発し、ランサムウェアのリスク・アナルに対する影響を論じる。

関連論文リスト

• To Think or Not to Think: Exploring the Unthinking Vulnerability in Large Reasoning Models [56.19026073319406]
  大規模推論モデル (LRM) は、最終的な答えを生成する前に明確な推論トレースを生成することで複雑なタスクを解決するように設計されている。 LRM(Unthinking)と呼ばれる重要な脆弱性を明らかにし、特別なトークンを操作することで思考プロセスを回避できます。 本稿では,この脆弱性を悪意と有益の両方の観点から検討する。
  論文  参考訳（メタデータ） (2025-02-16T10:45:56Z)
• Assessing and Prioritizing Ransomware Risk Based on Historical Victim Data [0.0]
  ランサムウェアの敵が特定のエンティティをターゲットにする可能性が最も高いものを識別するアプローチを提案する。 ランサムウェアは、利益主導のモチベーション、犯罪シンジケートを支援する複雑な経済、そして攻撃の過度な性質を特徴とする、恐ろしいサイバーセキュリティの脅威を生んでいる。
  論文  参考訳（メタデータ） (2025-02-06T15:57:56Z)
• Ransomware IR Model: Proactive Threat Intelligence-Based Incident Response Strategy [0.0]
  ランサムウェア攻撃下で異なるビジネスの優先順位と目的を詳細に満たす、明確で実証されたインシデント対応戦略はありません。 本稿では,企業Xにおける代表的なランサムウェアインシデント対応事例の1つを引用する。
  論文  参考訳（メタデータ） (2025-02-03T10:25:26Z)
• Understanding crypter-as-a-service in a popular underground marketplace [51.328567400947435]
  Cryptersは、ターゲットバイナリを変換することで、アンチウイルス(AV)アプリケーションからの検出を回避できるソフトウェアの一部です。 シークレット・アズ・ア・サービスモデルは,検出機構の高度化に対応して人気を博している。 本論文は,シークレット・アズ・ア・サービスに特化したオンライン地下市場に関する最初の研究である。
  論文  参考訳（メタデータ） (2024-05-20T08:35:39Z)
• Detection of ransomware attacks using federated learning based on the CNN model [3.183529890105507]
  本稿では,デジタルサブステーションの破壊動作をターゲットとしたランサムウェア攻撃モデリング手法を提案する。 提案手法はランサムウェアを高い精度で検出することを示した。
  論文  参考訳（メタデータ） (2024-05-01T09:57:34Z)
• Ransomware Detection Dynamics: Insights and Implications [0.0]
  本研究は,Bitcoin(BTC)および米国ドル(USD)におけるランサムウェア関連および良性取引を識別するための特徴選択アルゴリズムの利用について検討する。 本稿では,暗号通貨エコシステムにおけるランサムウェアの活動の特徴を捉えた新しい特徴セットを提案する。 厳密な実験と評価を通じて,BTCおよびUSDトランザクションを正確に抽出する機能セットの有効性を実証した。
  論文  参考訳（メタデータ） (2024-02-07T05:36:06Z)
• DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified Robustness [58.23214712926585]
  我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。 具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。 私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
  論文  参考訳（メタデータ） (2023-03-20T17:25:22Z)
• MOVE: Effective and Harmless Ownership Verification via Embedded External Features [104.97541464349581]
  本稿では,異なる種類のモデル盗難を同時に防ぐために,効果的かつ無害なモデル所有者認証(MOVE)を提案する。 我々は、疑わしいモデルがディフェンダー特定外部特徴の知識を含むかどうかを検証し、所有権検証を行う。 次に、メタ分類器をトレーニングして、モデルが被害者から盗まれたかどうかを判断します。
  論文  参考訳（メタデータ） (2022-08-04T02:22:29Z)
• Winning the Ransomware Lottery: A Game-Theoretic Model for Mitigating Ransomware Attacks [0.0]
  我々は,実際のランサムウェア攻撃のデータに基づいて,期待値モデルを構築した。 ランサムウェア運用者に対して敵対的な環境を奨励するための緩和策を提案する。
  論文  参考訳（メタデータ） (2021-07-30T12:29:34Z)
• Being Single Has Benefits. Instance Poisoning to Deceive Malware Classifiers [47.828297621738265]
  攻撃者は、マルウェア分類器を訓練するために使用されるデータセットをターゲットとした、高度で効率的な中毒攻撃を、どのように起動できるかを示す。 マルウェア検出領域における他の中毒攻撃とは対照的に、我々の攻撃はマルウェアファミリーではなく、移植されたトリガーを含む特定のマルウェアインスタンスに焦点を当てている。 我々は、この新たに発見された深刻な脅威に対する将来の高度な防御に役立つ包括的検出手法を提案する。
  論文  参考訳（メタデータ） (2020-10-30T15:27:44Z)

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。