論文の概要: AlertStar: Path-Aware Alert Prediction on Hyper-Relational Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2604.03104v1
• Date: Fri, 03 Apr 2026 15:26:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.509187
• Title: AlertStar: Path-Aware Alert Prediction on Hyper-Relational Knowledge Graphs
• Title（参考訳）: AlertStar:ハイパーリレーショナル知識グラフにおけるパス認識アラート予測
• Authors: Zahra Makki Nayeri, Mohsen Rezvani,
• Abstract要約: サイバー攻撃は大規模化と高度化が続いているが、既存のネットワーク侵入検出アプローチでは、攻撃者と被害者の相互作用に対する経路推論に必要な意味的な深さが欠如している。 まず、ネットワークアラートを知識グラフとしてモデル化し、ハイパーリレーショナルなアラート予測をHR-KGC問題として定式化する。 まず、ハイパーリレーショナルなニューラルベルマン・フォード(HR-NBFNet)は、ニューラルベルマン・フォードネットワークを、修飾子対応マルチホップパス推論によるハイパーリレーショナルな設定に拡張する。 第二にAlertStar
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cyber-attacks continue to grow in scale and sophistication, yet existing network intrusion detection approaches lack the semantic depth required for path reasoning over attacker-victim interactions. We address this by first modelling network alerts as a knowledge graph, then formulating hyper-relational alert prediction as a hyper-relational knowledge graph completion (HR-KGC) problem, representing each network alert as a qualified statement (h, r, t, Q), where h and t are source and destination IPs, r denotes the attack type, and Q encodes flow-level metadata such as timestamps, ports, protocols, and attack intensity, going beyond standard KGC binary triples (h, r, t) that would discard this contextual richness. We introduce five models across three contributions: first, Hyper-relational Neural Bellman-Ford (HR-NBFNet) extends Neural Bellman-Ford Networks to the hyper-relational setting with qualifier-aware multi-hop path reasoning, while its multi-task variant MT-HR-NBFNet jointly predicts tail, relation, and qualifier-value within a single traversal pass; second, AlertStar fuses qualifier context and structural path information entirely in embedding space via cross-attention and learned path composition, and its multi-task extension MT-AlertStar eliminates the overhead of full knowledge graph propagation; third, HR-NBFNet-CQ extends qualifier-aware representations to answer complex first-order logic queries, including one-hop, two-hop chain, two-anchor intersection, and union, enabling multi-condition threat reasoning over the alert knowledge graph. Evaluated inductively on the Warden and UNSW-NB15 benchmarks across three qualifier-density regimes, AlertStar and MT-AlertStar achieve superior MR, MRR, and Hits@k, demonstrating that local qualifier fusion is both sufficient and more efficient than global path propagation for hyper-relational alert prediction.
• Abstract（参考訳）: サイバー攻撃は大規模化と高度化が続いているが、既存のネットワーク侵入検出アプローチでは、攻撃者と被害者の相互作用に対する経路推論に必要な意味的な深さが欠如している。 我々は、まず、ネットワークアラートを知識グラフとしてモデル化し、次にハイパーリレーショナルなアラート予測をハイパーリレーショナルな知識グラフ補完(HR-KGC)問題として定式化し、各ネットワークアラートを適格なステートメント(h, r, t, Q)として表現し、h, tはソースおよび宛先IP、rは攻撃タイプ、Qはタイムスタンプ、ポート、プロトコル、攻撃強度などのフローレベルのメタデータを符号化し、標準のKGCバイナリトリプル(h, r, t)を超越する。 第1に、ハイパーリレーショナルなニューラルベルマン・フォード(HR-NBFNet)は、ニューラルベルマン・フォードネットワークを、修飾子対応のマルチホップパス推論によるハイパーリレーショナルセッティングに拡張する一方、マルチタスクの変種MT-HR-NBFNetは、単一トラバースパス内のテール、リレーション、アクチュレータ値を共同で予測する。 Warden と UNSW-NB15 ベンチマークにおいて、AlertStar と MT-AlertStar はより優れたMR, MRR, Hits@k を達成し、局所的等化器融合は、ハイパーリレーショナルアラート予測のためのグローバルパス伝搬よりも十分かつ効率的であることを示した。

関連論文リスト

• HELP: HyperNode Expansion and Logical Path-Guided Evidence Localization for Accurate and Efficient GraphRAG [53.30561659838455]
  大きな言語モデル(LLM)は、しばしば固有の知識境界と幻覚に苦しむ。 Retrieval-Augmented Generation (RAG) は、マルチホップ推論に不可欠な構造的相互依存性をしばしば見落としている。 ヘルプは、複数の単純でマルチホップなQAベンチマークで競合性能を達成し、グラフベースのRAGベースラインよりも28.8$times$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-24T14:05:29Z)
• Topology Matters: Measuring Memory Leakage in Multi-Agent LLMs [26.288357188171265]
  MAMA(Multi-Agent Memory Attack)は、ネットワーク構造がどのように漏洩を形作るかを測定するフレームワークである。 我々は,攻撃剤出力から回収した地絡PIIの割合として漏洩を定量化する。 結果は、アーキテクチャ上の選択から測定可能なプライバシリスクへの最初の体系的なマッピングを提供する。
  論文  参考訳（メタデータ） (2025-12-04T11:00:49Z)
• Federated Spatiotemporal Graph Learning for Passive Attack Detection in Smart Grids [2.721477719641864]
  本稿では,時間的ウィンドウ上で物理層と行動指標を融合させて受動的攻撃を検出するグラフ中心型マルチモーダル検出器を提案する。 テスト精度は98.32%、シーケンス毎の93.35%を0.15% FPRで達成している。
  論文  参考訳（メタデータ） (2025-09-29T08:52:30Z)
• Self-Supervised Learning of Graph Representations for Network Intrusion Detection [6.453778601809096]
  GraphIDSは、表現学習と異常検出を統一する自己教師型侵入検出モデルである。 帰納的グラフニューラルネットワークは、各フローを局所的なトポロジカルコンテキストに埋め込んで、典型的なネットワークの振る舞いをキャプチャする。 Transformerベースのエンコーダデコーダは、これらの埋め込みを再構築し、自己注意を通じてグローバルな共起パターンを暗黙的に学習する。 推論中は、異常に高い復元誤差のフローが潜在的侵入としてフラグ付けされる。
  論文  参考訳（メタデータ） (2025-09-20T11:02:50Z)
• A Graph-Based Approach to Alert Contextualisation in Security Operations Centres [0.058633603884542605]
  本稿では,グラフベースの警告グループにアラートを集約することで,SOCにおける警告コンテキスト化を強化するためのグラフベースのアプローチを提案する。 関連するアラートをグループ化することにより、より抽象的なレベルでの分析が可能になり、個々のアラートよりも効果的に攻撃手順をキャプチャする。 我々のフォーマットが下流の機械学習手法に適していることを示すために、我々は、受信する警告グループと過去のインシデントを関連付けるために、グラフマッチングネットワーク(GMN)を使用している。
  論文  参考訳（メタデータ） (2025-09-16T10:20:39Z)
• 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)
• Hierarchical and Incremental Structural Entropy Minimization for Unsupervised Social Event Detection [61.87480191351659]
  グラフニューラルネットワーク(GNN)ベースの手法は、自然言語の意味論と複雑なソーシャルネットワーク構造情報の融合を可能にする。 本稿では,グラフ構造エントロピー(SE)最小化による社会事象の検出について述べる。 GNNベースの手法の利点を維持しながら、提案するフレームワークであるHISEventは、より有益なメッセージグラフを構築している。
  論文  参考訳（メタデータ） (2023-12-19T06:28:32Z)
• Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects [78.84264189471936]
  NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。 無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。 エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
  論文  参考訳（メタデータ） (2022-12-19T17:54:36Z)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)
• Attentive WaveBlock: Complementarity-enhanced Mutual Networks for Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
  本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。 AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。 実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T15:40:40Z)

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。