論文の概要: MA-IDS: Multi-Agent RAG Framework for IoT Network Intrusion Detection with an Experience Library

• arxiv url: http://arxiv.org/abs/2604.05458v1
• Date: Tue, 07 Apr 2026 05:41:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.644595
• Title: MA-IDS: Multi-Agent RAG Framework for IoT Network Intrusion Detection with an Experience Library
• Title（参考訳）: MA-IDS: エクスペリエンスライブラリによるIoTネットワーク侵入検出のためのマルチエージェントRAGフレームワーク
• Authors: Md Shamimul Islam, Luis G. Jaimes, Ayesha S. Dina,
• Abstract要約: 推論駆動型侵入検出のための大規模言語モデルと検索拡張生成を組み合わせたマルチエージェント侵入検出システムMA-IDSを提案する。 NF-BoT-IoTとNF-ToN-IoTベンチマークデータセットの評価。 結果はSVMと競合し、すべての分類決定に対してルールレベルの説明を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Network Intrusion Detection Systems (NIDS) face important limitations. Signature-based methods are effective for known attack patterns, but they struggle to detect zero-day attacks and often miss modified variants of previously known attacks, while many machine learning approaches offer limited interpretability. These challenges become even more severe in IoT environments because of resource constraints and heterogeneous protocols. To address these issues, we propose MA-IDS, a Multi-Agent Intrusion Detection System that combines Large Language Models (LLMs) with Retrieval Augmented Generation (RAG) for reasoning-driven intrusion detection. The proposed framework grounds LLM reasoning through a persistent, self-building Experience Library. Two specialized agents collaborate through a FAISS-based vector database: a Traffic Classification Agent that retrieves past error rules before each inference, and an Error Analysis Agent that converts misclassifications into human-readable detection rules stored for future retrieval, enabling continual learning through external knowledge accumulation, without modifying the underlying language model. Evaluated on NF-BoT-IoT and NF-ToN-IoT benchmark datasets, MA-IDS achieves Macro F1-Scores of 89.75% and 85.22%, improving over zero-shot baselines of 17% and 4.96% by more than 72 and 80 percentage points. These results are competitive with SVM while providing rule-level explanations for every classification decision, demonstrating that retrieval-augmented reasoning offers a principled path toward explainable, self-improving intrusion detection for IoT networks.
• Abstract（参考訳）: ネットワーク侵入検知システム(NIDS)は重要な制限に直面している。 署名ベースの手法は既知の攻撃パターンに有効であるが、ゼロデイ攻撃の検出に苦労し、既知の攻撃の修正版を見逃すことも多い。 これらの課題は、リソース制約と異種プロトコルのため、IoT環境でさらに深刻になる。 これらの問題に対処するために,大規模言語モデル(LLM)と検索拡張生成(RAG)を組み合わせた多エージェント侵入検知システムMA-IDSを提案する。 提案されたフレームワークは、永続的で自己構築型のエクスペリエンスライブラリを通じてLCM推論を基礎にしている。 2つの専門エージェントはFAISSベースのベクトルデータベースを通じて協力し、各推論の前に過去のエラールールを検索するトラフィック分類エージェントと、誤分類を将来の検索に格納された人間可読な検出ルールに変換するエラー解析エージェントとを連携させ、基礎となる言語モデルを変更することなく、外部知識の蓄積による継続的な学習を可能にする。 MA-IDSはNF-BoT-IoTとNF-ToN-IoTベンチマークデータセットに基づいて、マクロF1スコアの89.75%と85.22%を達成し、ゼロショットベースラインの17%と4.96%を72と80ポイント以上改善した。 これらの結果は、SVMと競合すると同時に、すべての分類決定に対してルールレベルの説明を提供し、検索強化推論が、IoTネットワークの説明可能な自己改善侵入検出への原則的なパスを提供することを示した。

関連論文リスト

• Red-MIRROR: Agentic LLM-based Autonomous Penetration Testing with Reflective Verification and Knowledge-augmented Interaction [0.42222053626544365]
  本稿では,新しいマルチエージェント自動浸透試験システムであるRed-MIRRORを提案する。 Red-MIRRORは、エージェント間推論を明示的に管理するために、密結合したメモリリフレクションバックボーンを導入している。 XBOWベンチマークとVulhub CVEの実証評価は、Red-MIRRORが最先端エージェントに匹敵するパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2026-03-28T04:34:09Z)
• Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
  低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。 従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-25T12:47:25Z)
• Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection [76.91230292971115]
  大規模言語モデル (LLM) に基づくマルチエージェントシステム (MAS) は複雑なタスクを解く上で強力な能力を示している。 XG-Guardは、MAS内の悪意のあるエージェントを検出するための、説明可能な、きめ細かい保護フレームワークである。
  論文  参考訳（メタデータ） (2025-12-21T13:46:36Z)
• Optimized IoT Intrusion Detection using Machine Learning Technique [0.0]
  侵入検知システム(IDS)は様々な攻撃に対する防御に不可欠である。 IoT IDSシステムの機能的および物理的多様性は、重大な問題を引き起こす。 本研究は、特異性に基づくIDSに対して、新しい成分選択抽出戦略を提案し、実装する。
  論文  参考訳（メタデータ） (2024-12-03T21:23:54Z)
• Multi-agent Reinforcement Learning-based Network Intrusion Detection System [3.4636217357968904]
  侵入検知システム(IDS)は,コンピュータネットワークのセキュリティ確保において重要な役割を担っている。 本稿では,自動,効率的,堅牢なネットワーク侵入検出が可能な,新しいマルチエージェント強化学習(RL)アーキテクチャを提案する。 我々のソリューションは、新しい攻撃の追加に対応し、既存の攻撃パターンの変更に効果的に適応するように設計されたレジリエントなアーキテクチャを導入します。
  論文  参考訳（メタデータ） (2024-07-08T09:18:59Z)
• Strengthening Network Intrusion Detection in IoT Environments with Self-Supervised Learning and Few Shot Learning [1.0678175996321808]
  IoT(Internet of Things)は、インテリジェンスを日常のオブジェクトに統合するブレークスルー技術として紹介されている。 IoTネットワークが拡大し、拡大するにつれ、サイバーセキュリティ攻撃の影響を受けやすくなっている。 本稿では,これらの課題に対処する新しい侵入検知手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T06:30:22Z)
• Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
  GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。 異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
  論文  参考訳（メタデータ） (2023-12-18T05:42:31Z)
• Multi-Expert Adversarial Attack Detection in Person Re-identification Using Context Inconsistency [47.719533482898306]
  本稿では,個人再識別(ReID)システムに対する悪意のある攻撃を検知するための,Multi-Expert Adversarial Detection(MEAAD)アプローチを提案する。 ReIDに対する最初の敵攻撃検出アプローチとして、MEAADは様々な敵攻撃を効果的に検出し、高いROC-AUC(97.5%以上)を達成する。
  論文  参考訳（メタデータ） (2021-08-23T01:59:09Z)

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。