論文の概要: BioEnvSense: A Human-Centred Security Framework for Preventing Behaviour-Driven Cyber Incidents

• arxiv url: http://arxiv.org/abs/2602.19410v1
• Date: Mon, 23 Feb 2026 01:06:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.629547
• Title: BioEnvSense: A Human-Centred Security Framework for Preventing Behaviour-Driven Cyber Incidents
• Title（参考訳）: BioEnvSense: 行動駆動型サイバーインシデントを防ぐ人間中心のセキュリティフレームワーク
• Authors: Duy Anh Ta, Farnaz Farid, Farhad Ahamed, Ala Al-Areqi, Robert Beutel, Tamara Watson, Alana Maurushat,
• Abstract要約: 本稿では,CNN-LSTMハイブリッドモデルを統合し,生体情報と環境データをコンテキスト認識型セキュリティ決定のために解析する概念的セキュリティフレームワークを提案する。 このモデルは84%の精度を達成し、人間中心のサイバーリスクを増大させる条件を確実に検出する能力を示している。
• 参考スコア（独自算出の注目度）: 0.3015442485490763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern organizations increasingly face cybersecurity incidents driven by human behaviour rather than technical failures. To address this, we propose a conceptual security framework that integrates a hybrid Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM) model to analyze biometric and environmental data for context-aware security decisions. The CNN extracts spatial patterns from sensor data, while the LSTM captures temporal dynamics associated with human error susceptibility. The model achieves 84% accuracy, demonstrating its ability to reliably detect conditions that lead to elevated human-centred cyber risk. By enabling continuous monitoring and adaptive safeguards, the framework supports proactive interventions that reduce the likelihood of human-driven cyber incidents
• Abstract（参考訳）: 現代の組織は、技術的な失敗よりも人間の行動によって引き起こされるサイバーセキュリティ事件に直面している。 そこで本稿では,CNN-LSTM(Cybrid Convolutional Neural Network-Long Short-Term Memory)モデルを統合し,生体情報と環境データをコンテキスト認識型セキュリティ決定のために解析する,概念セキュリティフレームワークを提案する。 CNNはセンサデータから空間パターンを抽出し、LSTMは人間のエラー感受性に関連する時間的ダイナミクスをキャプチャする。 このモデルは84%の精度を達成し、人間中心のサイバーリスクを増大させる条件を確実に検出する能力を示している。 継続的監視とアダプティブ・セーフガードを可能にすることにより、このフレームワークは、人間主導のサイバーインシデントの可能性を減らすための積極的な介入をサポートする。

関連論文リスト

• Securing AI Agents in Cyber-Physical Systems: A Survey of Environmental Interactions, Deepfake Threats, and Defenses [2.6726842616701703]
  この調査は、サイバー物理システムにおけるAIエージェントをターゲットにしたセキュリティ脅威の包括的なレビューを提供する。 我々は、環境相互作用、ディープフェイクによる攻撃、MCPによる脆弱性に焦点を当てる。 タイミング、騒音、偽陽性がいかに制約可能な防御を犠牲にするかを定量的に説明する。
  論文  参考訳（メタデータ） (2026-01-28T02:33:24Z)
• AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
  AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。 AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
  論文  参考訳（メタデータ） (2026-01-14T20:56:50Z)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• 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)
• OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
  VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。 我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
  論文  参考訳（メタデータ） (2025-10-28T13:22:39Z)
• End-to-End Co-Simulation Testbed for Cybersecurity Research and Development in Intelligent Transportation Systems [5.804791448287085]
  本章では,3次元環境とセンサモデリングのためのCARLA,顕微鏡交通シミュレーションと制御のためのSUMO,V2X通信シミュレーションのためのOMNeT++を結合した複合シミュレーションテストベッドについて論じる。 共同シミュレーションテストベッドは、エンドツーエンドの実験、脆弱性の識別、緩和ベンチマークを可能にする。 この章は、その能力を説明するために、量子後暗号で強化されたC-V2X能動的安全警報システムに関するケーススタディを含む。
  論文  参考訳（メタデータ） (2025-09-20T01:21:54Z)
• The Cybersecurity of a Humanoid Robot [0.5958112901546286]
  本報告では,生産型ヒューマノイドロボットプラットフォームの総合的なセキュリティ評価について述べる。 高度な防御機構と重大な脆弱性の両方を特徴とする、複雑なセキュリティの状況を発見しました。 この研究は、ヒューマノイドロボットが研究キュリオシティからクリティカルドメインの運用システムに移行するにつれ、堅牢なセキュリティ標準を開発するための実証的な証拠となる。
  論文  参考訳（メタデータ） (2025-09-17T15:37:09Z)
• Transforming Cyber Defense: Harnessing Agentic and Frontier AI for Proactive, Ethical Threat Intelligence [0.0]
  この原稿は、エージェントAIとフロンティアAIの収束がサイバーセキュリティをいかに変えているかを説明する。 本稿では,リアルタイムモニタリング,自動インシデント応答,永続的学習といった,レジリエントでダイナミックな防衛エコシステム構築における役割について検討する。 我々のビジョンは、テクノロジーのイノベーションを、倫理的監視を揺るがさずに調和させることであり、未来のAIによるセキュリティソリューションが、新たなサイバー脅威を効果的に対処しつつ、公正性、透明性、説明責任の核心的価値を維持することを保証することである。
  論文  参考訳（メタデータ） (2025-02-28T20:23:35Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。 シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。