論文の概要: Ransomware and Artificial Intelligence: A Comprehensive Systematic Review of Reviews

• arxiv url: http://arxiv.org/abs/2603.13734v1
• Date: Sat, 14 Mar 2026 03:39:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.371246
• Title: Ransomware and Artificial Intelligence: A Comprehensive Systematic Review of Reviews
• Title（参考訳）: ランサムウェアと人工知能: 総合的なシステムレビュー
• Authors: Therdpong Daengsi, Phisit Pornpongtechavanich, Paradorn Boonpoor, Kathawut Wattanachukul, Korn Puangnak, Kritphon Phanrattanachai, Pongpisit Wuttidittachotti, Paramate Horkaew,
• Abstract要約: この研究は、AIがランサムウェアの検出、予防、緩和戦略をどのように変えているかについての洞察を集める。 この結果は、複数の分析手法を組み合わせたハイブリッドモデルの有効性を浮き彫りにした。 ランサムウェア防衛における重要な課題として、AI駆動検出システムを欺くように設計されたテクニックなどを検討する。
• 参考スコア（独自算出の注目度）: 1.6863755729554886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study provides a comprehensive synthesis of Artificial Intelligence (AI), especially Machine Learning (ML) and Deep Learning (DL), in ransomware defense. Using a "review of reviews" methodology based on PRISMA, this paper gathers insights on how AI is transforming ransomware detection, prevention, and mitigation strategies during the past five years (2020-2024). The findings highlight the effectiveness of hybrid models that combine multiple analysis techniques such as code inspection (static analysis) and behavior monitoring during execution (dynamic analysis). The study also explores anomaly detection and early warning mechanisms before encryption to address the increasing complexity of ransomware. In addition, it examines key challenges in ransomware defense, including techniques designed to deceive AI-driven detection systems and the lack of strong and diverse datasets. The results highlight the role of AI in early detection and real-time response systems, improving scalability and resilience. Using a systematic review-of-reviews approach, this study consolidates insights from multiple review articles, identifies effective AI models, and bridges theory with practice to support collaboration among academia, industry, and policymakers. Future research directions and practical recommendations for cybersecurity practitioners are also discussed. Finally, this paper proposes a roadmap for advancing AI-driven countermeasures to protect critical systems and infrastructures against evolving ransomware threats.
• Abstract（参考訳）: 本研究では,ランサムウェア防衛において人工知能(AI),特に機械学習(ML)とディープラーニング(DL)を包括的に合成する。 PRISMAに基づく「レビューレビュー」手法を用いて,本論文は,過去5年間(2020-2024年)にAIがランサムウェアの検出,防止,緩和戦略をどう変えているのかを考察する。 この結果は,コード検査(静的解析)や実行時の動作監視(動的解析)といった複数の解析手法を組み合わせたハイブリッドモデルの有効性を強調した。 また、ランサムウェアの複雑さの増加に対処するため、暗号化前の異常検出と早期警告機構についても検討した。 さらに、AI駆動検出システムを欺くように設計された技術や、強力で多様なデータセットの欠如など、ランサムウェア防衛における重要な課題についても検討している。 その結果、早期検出とリアルタイム応答システムにおけるAIの役割を強調し、スケーラビリティとレジリエンスを改善した。 この研究は、体系的なレビュー・オブ・レビューのアプローチを用いて、複数のレビュー記事からの洞察を集約し、効果的なAIモデルを特定し、学術、産業、政策立案者の協力を支援する実践とブリッジ理論を結びつける。 サイバーセキュリティの実践者に対する今後の研究方針と実践的勧告についても論じる。 最後に、重要なシステムやインフラをランサムウェアの脅威の進化から守るため、AIによる対策を進めるためのロードマップを提案する。

関連論文リスト

• Techniques of Modern Attacks [51.56484100374058]
  Advanced Persistent Threats (APT) は特定の標的を狙った複雑な攻撃方法である。 本稿では,近年の学術研究で提案されている攻撃ライフサイクルと最先端の検知・防衛戦略について検討する。 それぞれのアプローチの長所と短所を強調し、より適応的なAPT緩和戦略を提案する。
  論文  参考訳（メタデータ） (2026-01-19T22:15:25Z)
• A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
  近年の研究では、敵が対象モデルの機能を複製できることが示されている。 モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。 本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-20T19:49:59Z)
• Security through the Eyes of AI: How Visualization is Shaping Malware Detection [15.361074638653477]
  マルウェアの検出と分類に応用された既存の可視化に基づくアプローチを評価する。 このフレームワーク内では、マルウェア検出パイプラインの重要な段階にわたる最先端のアプローチを分析する。 我々は、可視化ベースのアプローチにおける主な課題を明らかにし、この重要な分野における進歩と将来的な方向性についての洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:53:56Z)
• Comprehensive Survey on Adversarial Examples in Cybersecurity: Impacts, Challenges, and Mitigation Strategies [4.606106768645647]
  広告敵例(AE)は、ディープラーニングベースのシステムの堅牢性と信頼性に重要な課題を提起する。 本稿では,主要なサイバーセキュリティアプリケーションに対するAE攻撃の影響を概観する。 我々は,近年の防御機構の進歩を探求し,グラデーションマスキング,対人訓練,検出技術について検討した。
  論文  参考訳（メタデータ） (2024-12-16T01:54:07Z)
• Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
  この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。 本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
  論文  参考訳（メタデータ） (2024-02-21T08:29:42Z)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。