Fugu-MT 論文翻訳(概要): SPARK: Secure Predictive Autoscaling for Robust Kubernetes

論文の概要: SPARK: Secure Predictive Autoscaling for Robust Kubernetes

arxiv url: http://arxiv.org/abs/2603.26833v1
Date: Fri, 27 Mar 2026 05:23:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-31 23:18:44.653356
Title: SPARK: Secure Predictive Autoscaling for Robust Kubernetes
Title（参考訳）: SPARK: 堅牢なKubernetesのためのセキュアな予測自動スケーリング
Abstract要約: HPAのような従来のオートスケーラは、しばしばトラフィックスパイクに素早く反応しない。トラヒック対応自動スケーリングアプローチを提供するオープンソースツールチェーンを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Achieving high availability and robust security in Kubernetes requires more than reactive scaling and standard perimeter firewalls. Traditional autoscalers, such as HPA, often fail to react quickly to traffic spikes and cannot distinguish between legitimate flash crowds and DDoS attacks. We present an open-source toolchain to provide a traffic-aware autoscaling approach that utilizes an eBPF-based networking layer to enforce security policies at the kernel level while orchestrating scaling decisions based on predictive models. Our results demonstrate that the predictive approach reduces timeout errors by 32% during sudden traffic surges compared to standard reactive scaling, while ensuring immediate network convergence and layer 7 security isolation for newly scaled pods.
Abstract（参考訳）: Kubernetesの高可用性と堅牢なセキュリティを実現するには、リアクティブスケーリングと標準的な周辺ファイアウォール以上のものが必要だ。 HPAのような従来のオートスケーラは、トラフィックスパイクに素早く反応せず、正統なフラッシュ群とDDoS攻撃を区別できないことが多い。我々は,eBPFベースのネットワーク層を利用して,予測モデルに基づくスケーリング決定を編成しながら,カーネルレベルでセキュリティポリシを実行する,トラフィック対応のオートスケーリングアプローチを提供するオープンソースツールチェーンを提案する。提案手法は,ネットワークの即時収束と新たなスケールポッドのレイヤ7セキュリティアイソレーションを確保しつつ,従来のリアクティブスケーリングと比較して,突然のトラフィック急増時にタイムアウトエラーを32%削減することを示す。

関連論文リスト

Detecting and Mitigating Backdoor Attacks in OTA-FL Systems: A Two-Stage Robust Aggregation Scheme [27.75838619796163]
オーバー・ザ・エア・フェデレーション・ラーニング (OTA-FL) は無線チャネルの重ね合わせ特性を利用して通信効率を向上させる。パラメータサーバは個々のローカル更新にアクセスできない。 OTA-FLにおけるバックドア攻撃に対する防御のための2段階のロバストアグリゲーションフレームワークを提案する。
論文参考訳（メタデータ） (2026-05-19T01:57:31Z)
A Multi-Layer Cloud-IDS Pipeline with LLM and Adaptive Q-Learning Calibration [3.8389528716038055]
クラウドコンピューティングのセキュリティは、階層化されたクラウドアーキテクチャ、動的環境、目に見えない、あるいはゼロデイの攻撃にさらされることによって、大きな関心事になっている。本研究では,クラウド環境に適した強化学習を用いて,信頼性に配慮したマルチレベル侵入検知システムを構築する。
論文参考訳（メタデータ） (2026-05-15T12:19:34Z)
Step-level Optimization for Efficient Computer-use Agents [51.29573359027217]
我々は、強力なコンピュータ利用エージェントは、実際は高価で遅いと論じている。本稿では,コンピュータ利用エージェントのためのイベント駆動ステップレベルカスケードを提案する。
論文参考訳（メタデータ） (2026-04-29T19:59:36Z)
Tracing the Chain: Deep Learning for Stepping-Stone Intrusion Detection [7.981257687111937]
ステッピングストーン侵入(SSI)は一般的なネットワーク回避手法である。効果的なSSI検出には、各リレーホストの入出力フローを極めて低い偽陽性率で関連付ける必要がある。 ESPRESSOは、トランスフォーマーベースの特徴抽出ネットワーク、タイムアラインな多チャンネル間隔特徴、オンライントリプレットメトリック学習を組み合わせたフロー相関モデルである。
論文参考訳（メタデータ） (2026-04-09T22:26:52Z)
ShieldNet: Network-Level Guardrails against Emerging Supply-Chain Injections in Agentic Systems [56.613157564882925]
悪意のある行動は、一見良心的なツールに埋め込まれ、エージェントの実行を静かにハイジャックしたり、機密データをリークしたり、無許可のアクションをトリガーしたりする。影響は拡大しているが、このような脅威を評価するための包括的なベンチマークは今のところ存在しない。実ネットワークの相互作用を観測してサプライチェーン中毒を検出するネットワークレベルのガードレールフレームワークであるShieldNetを提案する。
論文参考訳（メタデータ） (2026-04-06T05:15:00Z)
immUNITY: Detecting and Mitigating Low Volume & Slow Attacks with Programmable Switches and SmartNICs [6.281749009259195]
最大71%のフローは、ポートスキャンのような低体積ネットワーク攻撃を示す不審な振る舞いを含む。我々は、スイッチとSmartNICの両方の機能を組み合わせることで、重いヒットターフローを追跡する以前の作業を拡張し、低体積および遅い攻撃を検出する。我々はこれらのデバイス間でデータ構造更新を迅速にコーディネートするためのデータプレーンベースのプロトコルを開発した。
論文参考訳（メタデータ） (2026-03-21T00:06:45Z)
Adversarial Learning Game for Intrusion Detection in Quantum Key Distribution [0.0]
本稿では,デコイ状態量子鍵分布(QKD)における侵入検出のための高忠実度シミュレーションフレームワークを提案する。このフレームワークは、学習ベースのディフェンダーと適応的な敵の間のミニマックスゲームとしてモデル化されている。アダプティブ・アタックのシナリオでは、システムは正直な有限キーレートの8,2text--92%$を保存し、トラフィックは約1.2%しか捨てない。
論文参考訳（メタデータ） (2026-03-03T20:21:06Z)
Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
論文参考訳（メタデータ） (2026-02-27T04:30:35Z)
Agentic Test-Time Scaling for WebAgents [65.5178428849495]
CATTS(Confidence-Aware Test-Time Scaling)を提案する。 CATTSは、WebArena-LiteとGoBrowseのパフォーマンスをReact上で最大9.1%改善し、均一なスケーリングよりも最大2.3倍少ないトークンを使用する。
論文参考訳（メタデータ） (2026-02-12T18:58:30Z)
DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文参考訳（メタデータ） (2025-06-13T05:01:09Z)
Blockchain Meets Adaptive Honeypots: A Trust-Aware Approach to Next-Gen IoT Security [6.649910168731417]
エッジコンピューティングベースのNext-Generation Wireless Networks (NGWN)-IoTは、大規模サービスプロビジョニングのために帯域幅を拡張できる。既存の侵入検知・防止方法は、敵の攻撃戦略を継続的に適応させるため、限られたセキュリティを提供する。本稿では,この課題に対処するための動的攻撃検出・防止手法を提案する。
論文参考訳（メタデータ） (2025-04-22T19:36:19Z)
Fundamental Limits of Hierarchical Secure Aggregation with Cyclic User Association [93.46811590752814]
階層型セキュアアグリゲーションは、フェデレートラーニング(FL)によって動機付けられる本稿では,各ユーザが連続する$B$のリレーに接続される循環型アソシエーションパターンを用いたHSAについて考察する。勾配符号化にインスパイアされた入力に対するメッセージ設計を含む効率的なアグリゲーション方式を提案する。
論文参考訳（メタデータ） (2025-03-06T15:53:37Z)
Federated Learning for Zero-Day Attack Detection in 5G and Beyond V2X Networks [9.86830550255822]
Connected and Automated Vehicles(CAV)は、5GおよびBeyondネットワーク(5GB)上にあり、セキュリティとプライバシ攻撃のベクトルの増加に対して脆弱である。本稿では,ネットワークトラフィックパターンのみに依存する攻撃を検知するディープ・オートエンコーダ法を利用した新しい検出機構を提案する。連合学習を用いて、提案した侵入検知システムは、CAVのプライバシーを維持し、通信オーバーヘッドを最小限に抑えながら、大規模で多様なネットワークトラフィックで訓練することができる。
論文参考訳（メタデータ） (2024-07-03T12:42:31Z)
Privacy-Preserving Distributed Learning for Residential Short-Term Load Forecasting [11.185176107646956]
電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
論文参考訳（メタデータ） (2024-02-02T16:39:08Z)

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。