論文の概要: CTF as a Service: A reproducible and scalable infrastructure for cybersecurity training

• arxiv url: http://arxiv.org/abs/2603.22511v2
• Date: Wed, 25 Mar 2026 14:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 14:25:25.991692
• Title: CTF as a Service: A reproducible and scalable infrastructure for cybersecurity training
• Title（参考訳）: CTF as a Service: サイバーセキュリティトレーニングのための再現可能でスケーラブルなインフラ
• Abstract要約: 本稿では, Proxmox 仮想化上に構築された CTF as a Service (C) プラットフォームの設計,開発,評価について述べる。 システムは開発中心のワークフローをサポートし、CI/CDパイプラインを通じてGitリポジトリからチャレンジを自動的にデプロイすると同時に、アドホックなインフラストラクチャプロビジョニングのためのデプロイメント指向ワークフローもサポートする。 プラットフォームは商用の可能性を秘めたCTFホスティングサービスに進化するよう設計されており、今後の作業ラインは自動スケーリング、監視、統合、標準化について概説されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Capture The Flag (CTF) competitions have established themselves as a highly effective pedagogical tool in cybersecurity education, offering students hands-on experience in realistic attack and defense scenarios. However, organizing and hosting these events requires considerable infrastructure effort, which frequently limits their adoption in academic settings. This paper presents the design, iterative development, and evaluation of a CTF as a Service (CaaS) platform built on Proxmox virtualization, leveraging Infrastructure as Code (IaC) tools such as Terraform and Ansible, container orchestration via Docker Swarm, and load balancing with HAProxy. The system supports both a development-centered workflow, in which challenges are automatically deployed from a Git repository through a CI/CD pipeline, and a deployment-oriented workflow for ad-hoc infrastructure provisioning. The paper describes the design decisions made, the challenges encountered during development, and the solutions implemented to achieve session persistence, external routing, and challenge replicability. The platform is designed to evolve into a CTF hosting service with commercial potential, and future lines of work are outlined regarding automatic scaling, monitoring integration, and frontend standardization.
• Abstract（参考訳）: Capture The Flag(CTF)コンペティションは、サイバーセキュリティ教育における強力な教育ツールとしての地位を確立し、現実的な攻撃と防衛のシナリオで学生に実体験を提供する。 しかし、これらのイベントの組織化とホスティングには相当なインフラの努力が必要だ。 本稿では、 Proxmox仮想化上に構築されたCTF as a Service(CaaS)プラットフォームの設計、反復開発、評価、TerraformやAnsibleといったインフラストラクチャ・アズ・コード(IaC)ツールの利用、Docker Swarmによるコンテナオーケストレーション、HAProxyとのロードバランシングについて述べる。 システムは開発中心のワークフローをサポートし、CI/CDパイプラインを通じてGitリポジトリからチャレンジを自動的にデプロイすると同時に、アドホックなインフラストラクチャプロビジョニングのためのデプロイメント指向ワークフローもサポートする。 本稿は、セッションの永続性、外部ルーティング、複製性の課題を実現するために実装されたソリューションについて、設計上の決定、開発中の課題について説明する。 プラットフォームは商用の可能性を秘めたCTFホスティングサービスに進化するよう設計されており、将来の作業ラインは自動スケーリング、監視統合、フロントエンドの標準化について概説されている。

関連論文リスト

• A Modular Cyber Range Platform for Smart Energy Systems [2.4171383212362003]
  本稿では,情報技術(IT)と運用技術(OT)環境を高忠実度でシミュレートする軽量モジュール型サイバーレンジ(CR)を提案する。 このプラットフォームはYAMLベースのエンジンを使用して、最小限のオーバーヘッドで、複雑なネットワークを標準ハードウェアに自動的にデプロイする。 本稿では,システムアーキテクチャ,自動セットアップ,プロトコルシミュレーション機能,シナリオ設計について述べる。
  論文  参考訳（メタデータ） (2026-07-24T23:03:05Z)
• SMOCS: A Streaming Framework for Simplified Deployment, Monitoring, and Optimization of ML Systems in Production [0.7537220883022466]
  機械学習は、科学施設のリアルタイムモニタリング、最適化、制御において大きな可能性を証明している。 運用環境におけるMLモデルのデプロイとメンテナンスは、依然として重要なエンジニアリング上の課題である。 私たちは、この課題に3つのコントリビューションを通じて対処する、Kafkaベースのコンテナ化フレームワークであるSMOCSを紹介します。
  論文  参考訳（メタデータ） (2026-07-02T19:43:19Z)
• LITE-SOC: Lightweight Security Operations Center Simulator for Cybersecurity Education [1.0450509067356148]
  LITE-SOCは、インストラクター主導のサイバーセキュリティ教育用に設計された軽量Webベースのセキュリティオペレーションセンター(SOC)シミュレータである。 プラットフォームは合成SOCイベントの連続ストリームを生成し、可視化ツール、イベントアノテーション、地域ベースのチャットを備えた個別の学生およびインストラクタービューを提供する。 目的は、学生に完全なSOC環境を必要とせず、トリアージ、優先順位付け、意思決定としてSOCを実践的に導入することである。
  論文  参考訳（メタデータ） (2026-05-17T23:57:30Z)
• ACTING: A Platform for Cyber Ranges Federation [1.4850491497086695]
  Exercise Description Language - First Generation (EDL-FG)は、サイバーレンジトレーニングサービスと演習を公式に記述するための構造化言語である。 第2に、ACINGプラットフォームは自動PEとスコアリング機構を導入し、トレーニング中のトレーニング担当者の行動を評価する。 第三に、このプラットフォームは民間と軍事の運用状況を組み合わせたマルチドメインサイバートレーニングシナリオを可能にする。
  論文  参考訳（メタデータ） (2026-05-12T14:17:23Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
  MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。 エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
  論文  参考訳（メタデータ） (2026-01-12T13:25:33Z)
• Accelerating Control Systems with GitOps: A Path to Automation and Reliability [0.0]
  Poster氏はGitOpsが完全に自動化され、監査可能で、バージョン管理されたインフラストラクチャ管理を可能にする方法について説明している。 FermilabのACORNプロジェクトは、制御システムのインフラとソフトウェアを近代化することを目的としている。
  論文  参考訳（メタデータ） (2025-11-07T19:04:05Z)
• AgentCyTE: Leveraging Agentic AI to Generate Cybersecurity Training & Experimentation Scenarios [0.19999259391104388]
  本稿では,大規模言語モデルと決定論的・スキーマ制約付きネットワークエミュレーションを統合したフレームワークであるAgentCyTEを提案する。 AgentCyTEはシナリオの結果を観察し、正確性を検証し、リアリズムと一貫性を反復的に強化する。
  論文  参考訳（メタデータ） (2025-10-29T05:44:12Z)
• KAT-Coder Technical Report [48.00975798131211]
  KAT-Coderは、中期訓練、監視ファインチューニング(SFT)、強化ファインチューニング(RFT)、強化デプロイ適応(Reinforcement-to-Deployment Adaptation)を含む多段階のカリキュラムを通じて訓練された大規模なエージェントコードモデルである。 これらの段階により、KAT-Coderは堅牢なツール使用信頼性、命令アライメント、長いコンテキスト推論を実現することができる。
  論文  参考訳（メタデータ） (2025-10-21T16:27:47Z)
• PyGemini: Unified Software Development towards Maritime Autonomy Systems [2.088373411826489]
  PyGeminiは、海上自律開発を統合するためにAutoferry Geminiの遺産の上に構築されている。 このフレームワークはスタンドアロンアプリケーション、クラウドベースのサービス、組み込みライブラリとして機能する。 海上ツールのスイートを通じて、その汎用性を実証します。
  論文  参考訳（メタデータ） (2025-06-06T17:43:00Z)
• A General Infrastructure and Workflow for Quadrotor Deep Reinforcement Learning and Reality Deployment [48.90852123901697]
  本稿では, エンドツーエンドの深層強化学習(DRL)ポリシーを四元数へシームレスに移行できるプラットフォームを提案する。 本プラットフォームは, ホバリング, 動的障害物回避, 軌道追尾, 気球打上げ, 未知環境における計画など, 多様な環境を提供する。
  論文  参考訳（メタデータ） (2025-04-21T14:25:23Z)
• Privacy-Enhanced Training-as-a-Service for On-Device Intelligence: Concept, Architectural Scheme, and Open Problems [13.538116586216718]
  オンデバイスインテリジェンス(ODI)は、AIアプリケーションをエンドデバイス上で動作させ、リモートサーバに頼ることなく、リアルタイムでカスタマイズされたAI推論を提供する。 デバイス上でのデプロイメントのトレーニングモデルは、ユーザのデータの分散化とプライバシに敏感な性質のため、課題に直面します。 エンドデバイス向けにプライバシフレンドリでカスタマイズされたAIモデルトレーニングを提供する新しいサービスコンピューティングパラダイムである、プライバシ強化トレーニング・アズ・ア・サービス(PT)を提案する。
  論文  参考訳（メタデータ） (2024-04-16T03:18:27Z)
• Project Florida: Federated Learning Made Easy [4.829821142951709]
  本稿では,大規模フェデレートラーニング(FL)ソリューションの展開を可能にするシステムアーキテクチャとソフトウェア開発キット(SDK)であるProject Floridaを紹介する。 FLは、強力なデータ主権原則に基づく機械学習のアプローチである。 Project Floridaは、クラウドにホストされたインフラストラクチャとタスク管理インターフェースを提供することで、デバイス横断FLソリューションのデプロイ作業の簡略化を目指している。
  論文  参考訳（メタデータ） (2023-07-21T20:56:20Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。