論文の概要: Strategic commitments shape collective cybersecurity under AI inequality
- arxiv url: http://arxiv.org/abs/2605.09415v2
- Date: Wed, 13 May 2026 17:09:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.553013
- Title: Strategic commitments shape collective cybersecurity under AI inequality
- Title（参考訳）: AIの不平等の下で集団サイバーセキュリティを形作る戦略的コミットメント
- Authors: Adeela Bashir, Zia Ush Shamszaman, Zhao Song, Matjaz Perc, The Anh Han,
- Abstract要約: 有限集団における進化的ゲーム理論モデルを用いて,AIアクセスの差分の影響について検討する。
高機能防衛が費用がかかると、人口は低コストで弱い防御行動へと追いやられる。
続いて、常に強固な防衛を実践する、献身的な擁護者の小さなグループの役割について検討する。
- 参考スコア（独自算出の注目度）: 7.137385643891869
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The growing integration of AI into cybersecurity is reshaping the balance between attackers and defenders. When access to advanced AI-enabled defence tools is uneven, resource-limited defenders may be unable to adopt effective protection, creating persistent system vulnerabilities. We study the impact of differential AI access using an evolutionary game-theoretic model in a finite population. We first show that when high-capability defence is costly, the population is driven toward low-cost, weak-defence behaviour, sustaining attacks and weakening long-run security. To address this problem, we introduce differential access to AI defence tools by allowing defenders to choose between low- and high-capability protection based on their resources. We then examine the role of a small group of committed defenders who always adopt strong defence and influence others through social learning. Although commitment increases the prevalence of strong defence, it alone cannot stabilise secure outcomes due to high defence costs. We therefore incorporate a targeted subsidy to remove the cost disadvantage from committed defenders. Our analysis shows that subsidised commitment significantly increases strong defence adoption, suppresses successful attacks, and improves overall system resilience. Simulations across a broad parameter space confirm that subsidies consistently outperform commitment alone. In addition, social-welfare analysis shows improved defender outcomes while keeping attacker gains low. These findings suggest that targeted support for key defenders can be an effective mechanism for stabilising cybersecurity in AI-driven environments and provide a theoretical bridge between cybersecurity policy, AI governance, and strategic allocation of defensive AI capabilities.
- Abstract（参考訳）: AIのサイバーセキュリティへの統合は、攻撃者と防衛者のバランスを変えつつある。
高度なAI対応防御ツールへのアクセスが不均一な場合、リソース制限されたディフェンダーは効果的な保護を適用できず、永続的なシステムの脆弱性を発生させる可能性がある。
有限集団における進化的ゲーム理論モデルを用いて,AIアクセスの差分の影響について検討する。
我々はまず、高機能防衛が費用がかかる場合、人口は低コストで防御力の弱い行動、攻撃の持続、長期セキュリティの弱体化に駆り立てられることを示した。
この問題に対処するために、防衛側がリソースに基づいて、低能力と高機能の両方を選択できるようにすることで、AI防御ツールへの差分アクセスを導入する。
次に、強い防衛を常に取り入れ、社会的学習を通じて他者に影響を与える、献身的な擁護者の小さなグループの役割について検討する。
コミットメントは強力な防衛の頻度を増大させるが、高い防衛コストのために安全な結果を安定化することはできない。
したがって、私たちは、コミットされた被告人のコスト不利を取り除くために、目標とする補助金を組み入れます。
分析の結果,補助的なコミットメントは防衛の強化を著しく促進し,攻撃を抑え,システム全体のレジリエンスを向上することがわかった。
広いパラメータ空間にわたるシミュレーションは、補助金がコミットメントのみを一貫して上回っていることを確認している。
さらに,ソーシャル・ウェルフェア分析では,攻撃者の獲得率を低く保ちながら,ディフェンダーの成果が向上した。
これらの結果は、キーディフェンダーをターゲットとするサポートは、AI駆動環境におけるサイバーセキュリティの安定化と、サイバーセキュリティポリシー、AIガバナンス、防衛AI能力の戦略的割り当ての間の理論的ブリッジを提供するための効果的なメカニズムになり得ることを示唆している。
関連論文リスト
- To Defend Against Cyber Attacks, We Must Teach AI Agents to Hack [14.333336222782856]
AIエージェントは、数千のターゲットにわたる脆弱性発見とエクスプロイトを自動化する。
現在の開発者は、データフィルタリング、安全アライメント、出力ガードレールによる誤用を防止することに重点を置いている。
AIエージェントによるサイバー攻撃は避けられないものであり、防御戦略の根本的な変更が必要であると我々は主張する。
論文 参考訳（メタデータ） (2026-02-01T12:37:55Z) - Cybersecurity AI: Evaluating Agentic Cybersecurity in Attack/Defense CTFs [3.6968315805917897]
我々は、サイバーセキュリティにおける攻撃や防御にAIシステムがより効果的であるかどうかを評価する。
統計分析によると、防御剤は54.3%の制約のないパッチング成功を達成している。
発見は、ディフェンダーがオープンソースのCybersecurity AIフレームワークを採用する緊急性を強調している。
論文 参考訳（メタデータ） (2025-10-20T13:21:09Z) - Uplifted Attackers, Human Defenders: The Cyber Offense-Defense Balance for Trailing-Edge Organizations [0.0]
著者: AIの進歩は、サイバーセキュリティに影響を及ぼすと広く理解されています。
ディフェンダーにとっては、AIがすべてのソフトウェアの正式な検証のようなソリューションを可能にするという議論がしばしば行われる。
AIの能力を継続的に改善することは、さらなるリスクをもたらすと我々は主張する。
論文 参考訳（メタデータ） (2025-08-14T17:56:57Z) - Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models [64.47869632167284]
従来の言語モデル(LM)の安全性アライメントは、リアクティブで非結合な手順に依存している。
このシーケンシャルなアプローチはミスマッチを生み出し、攻撃者は時代遅れの防御に過度に適合する一方、守備側は出現する脅威に常に遅れをとどめている。
我々は,攻撃者と防御エージェントが継続的なインタラクションを通じて共進化するオンラインセルフプレイ強化学習アルゴリズムであるSelf-RedTeamを提案する。
論文 参考訳（メタデータ） (2025-06-09T06:35:12Z) - Preventing Adversarial AI Attacks Against Autonomous Situational Awareness: A Maritime Case Study [0.0]
アドリラル人工知能(AI)による攻撃は、自律走行に重大な脅威をもたらす。
本稿では、敵対的AIに関連する3つの重要な研究課題に対処する。
本稿では,複数入力とデータ融合を利用して防御部品を構築できるビルディングディフェンスを提案する。
論文 参考訳（メタデータ） (2025-05-27T17:59:05Z) - Frontier AI's Impact on the Cybersecurity Landscape [46.32458228179959]
AIはすでに攻撃に広く使われているが、その防衛用途は限られている。
専門家はAIが攻撃者を擁護し続けると予想しているが、そのギャップは徐々に狭まるだろう。
論文 参考訳（メタデータ） (2025-04-07T18:25:18Z) - Superintelligence Strategy: Expert Version [64.7113737051525]
AI開発を不安定にすることで、大国間の対立の可能性が高まる可能性がある。
スーパーインテリジェンス — ほぼすべての認知タスクにおいて、AIが人間よりもはるかに優れている — が、AI研究者によって期待されている。
本稿では,相互保証型AI誤動作の概念を紹介する。
論文 参考訳（メタデータ） (2025-03-07T17:53:24Z) - The Adaptive Arms Race: Redefining Robustness in AI Security [21.759075171536388]
我々は,ブラックボックス攻撃と防御を適応的に最適化するフレームワークを,彼らが形成する競争ゲームの下で導入する。
システム応答を動的に制御するアクティブディフェンスは、決定に基づく攻撃に対するモデル強化に不可欠である。
我々の発見は、広範囲な理論的および実証的な調査によって裏付けられ、適応的敵がブラックボックスAIベースのシステムに深刻な脅威をもたらすことを確認した。
論文 参考訳（メタデータ） (2023-12-20T21:24:52Z) - Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the
Age of AI-NIDS [70.60975663021952]
ネットワーク分類器に対するブラックボックス攻撃について検討する。
我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。
攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
論文 参考訳（メタデータ） (2021-11-23T23:42:16Z)
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。