論文の概要: Pro-ZD: A Transferable Graph Neural Network Approach for Proactive Zero-Day Threats Mitigation

• arxiv url: http://arxiv.org/abs/2602.07073v1
• Date: Fri, 06 Feb 2026 00:29:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.424011
• Title: Pro-ZD: A Transferable Graph Neural Network Approach for Proactive Zero-Day Threats Mitigation
• Title（参考訳）: Pro-ZD: アクティブゼロデイ脅威軽減のための転送可能なグラフニューラルネットワークアプローチ
• Authors: Nardine Basta, Firas Ben Hmida, Houssem Jmal, Muhammad Ikram, Mohamed Ali Kaafar, Andy Walker,
• Abstract要約: 本稿では,重み付き最短経路を同定するための新しいグラフニューラルネットワークモデルを提案する。 このモデルは、ネットワークのミスコンフィグレーションや、重要な資産を脅かす高リスク接続経路を検出するのに役立つ。 提案するPro-ZDフレームワークは,ファイアウォールルールを自動的に微調整し,高リスク接続に対処し,不正アクセスを防止するためのアクセスポリシーを積極的に採用する。
• 参考スコア（独自算出の注目度）: 2.5715014344858766
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In today's enterprise network landscape, the combination of perimeter and distributed firewall rules governs connectivity. To address challenges arising from increased traffic and diverse network architectures, organizations employ automated tools for firewall rule and access policy generation. Yet, effectively managing risks arising from dynamically generated policies, especially concerning critical asset exposure, remains a major challenge. This challenge is amplified by evolving network structures due to trends like remote users, bring-your-own devices, and cloud integration. This paper introduces a novel graph neural network model for identifying weighted shortest paths. The model aids in detecting network misconfigurations and high-risk connectivity paths that threaten critical assets, potentially exploited in zero-day attacks -- cyber-attacks exploiting undisclosed vulnerabilities. The proposed Pro-ZD framework adopts a proactive approach, automatically fine-tuning firewall rules and access policies to address high-risk connections and prevent unauthorized access. Experimental results highlight the robustness and transferability of Pro-ZD, achieving over 95% average accuracy in detecting high-risk connections. \
• Abstract（参考訳）: 今日のエンタープライズネットワークの状況では、周辺と分散ファイアウォールルールの組み合わせが接続性を支配します。 トラフィックの増加と多様なネットワークアーキテクチャに起因する課題に対処するため、組織はファイアウォールルールとアクセスポリシー生成のための自動化ツールを使用している。 しかし、特にクリティカル・アセット・エクスポージャーに関して、動的に生成された政策から生じるリスクを効果的に管理することは大きな課題である。 この課題は、リモートユーザや持ち込みデバイス、クラウド統合といったトレンドによって、ネットワーク構造の進化によって増幅される。 本稿では,重み付き最短経路を同定するための新しいグラフニューラルネットワークモデルを提案する。 このモデルは、重要資産を脅かし、ゼロデイ攻撃で悪用される可能性があるネットワークの不正設定や高リスク接続経路を検出するのに役立つ。 提案するPro-ZDフレームワークは,ファイアウォールルールを自動的に微調整し,高リスク接続に対処し,不正アクセスを防止するためのアクセスポリシーを積極的に採用する。 実験の結果,Pro-ZDのロバスト性および転送性を強調し,95%以上の平均精度で高リスク接続を検出することができた。 名

関連論文リスト

• ORCA -- An Automated Threat Analysis Pipeline for O-RAN Continuous Development [57.61878484176942]
  Open-Radio Access Network (O-RAN)は、多くのソフトウェアコンポーネントをクラウドのようなデプロイメントに統合し、これまで考えられていなかったセキュリティ脅威に無線アクセスネットワークを開放する。 現在の脆弱性評価の実践は、しばしば手動、労働集約、主観的な調査に依存しており、脅威分析の不整合につながる。 人間の介入や関連するバイアスを最小限に抑えるために,自然言語処理(NLP)を活用する自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-01-20T07:31:59Z)
• Threat Detection in Social Media Networks Using Machine Learning Based Network Analysis [0.0]
  本稿では、ソーシャルメディアネットワーク環境における悪意ある行動の分類に使用できる機械学習に基づく脅威検出フレームワークを提案する。 次に、ニューラルネットワーク(ANN)のモデルを作成し、悪意のあるアクションの複雑で非線形な傾向を取得する。 提案手法は,精度,精度,リコール,F1スコア,ROC-AUCなどの従来の性能指標で検証し,優れた検出精度と高い強度を示す。
  論文  参考訳（メタデータ） (2026-01-05T22:14:41Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• AI-Driven Dynamic Firewall Optimization Using Reinforcement Learning for Anomaly Detection and Prevention [0.0]
  本稿では,新しいAI駆動動的ファイアウォール最適化フレームワークを提案する。 進化するネットワーク脅威に対応するために、自動でファイアウォールルールを適応し、更新する。 その結果、検出精度、偽陽性の低減、ルール更新のレイテンシが大幅に改善された。
  論文  参考訳（メタデータ） (2025-05-21T17:05:33Z)
• Securing Distributed Network Digital Twin Systems Against Model Poisoning Attacks [19.697853431302768]
  ディジタルツイン(DT)は、リアルタイム監視、予測、意思決定能力の向上を具現化する。 本研究では,分散ネットワークDTシステムにおけるセキュリティ上の課題について検討し,その後のネットワークアプリケーションの信頼性を損なう可能性がある。
  論文  参考訳（メタデータ） (2024-07-02T03:32:09Z)
• A Zero Trust Framework for Realization and Defense Against Generative AI Attacks in Power Grid [62.91192307098067]
  本稿では電力グリッドサプライチェーン(PGSC)のための新しいゼロ信頼フレームワークを提案する。 潜在的なGenAIによる攻撃ベクターの早期発見、テールリスクに基づく安定性の評価、そしてそのような脅威の緩和を容易にする。 実験の結果,ゼロ信頼フレームワークは攻撃ベクトル生成に95.7%の精度,95%安定PGSCに9.61%のリスク尺度,GenAIによる攻撃に対する防御に99%の信頼性が得られた。
  論文  参考訳（メタデータ） (2024-03-11T02:47:21Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• SPGNN-API: A Transferable Graph Neural Network for Attack Paths Identification and Autonomous Mitigation [1.8322859214908722]
  攻撃経路のタイムリーな識別は、脅威の積極的な緩和を可能にする。 本研究は、最短経路同定のための新しい転送可能なグラフニューラルネットワークモデルを提案する。 本フレームワークでは,ネットワークファイアウォールルールのプロアクティブチューニングを通じて,自動脅威軽減を実現する。
  論文  参考訳（メタデータ） (2023-05-31T01:48:12Z)
• Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
  テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。 いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。 本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-17T03:00:24Z)
• Downlink Power Allocation in Massive MIMO via Deep Learning: Adversarial Attacks and Training [62.77129284830945]
  本稿では,無線環境における回帰問題を考察し,敵攻撃がDLベースのアプローチを損なう可能性があることを示す。 また,攻撃に対するDLベースの無線システムの堅牢性が著しく向上することを示す。
  論文  参考訳（メタデータ） (2022-06-14T04:55:11Z)

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。