論文の概要: A microservices-based endpoint monitoring platform with predictive NLP models for real-time security and hate-speech risk alerting

• arxiv url: http://arxiv.org/abs/2605.11997v2
• Date: Wed, 13 May 2026 13:12:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 17:13:58.896693
• Title: A microservices-based endpoint monitoring platform with predictive NLP models for real-time security and hate-speech risk alerting
• Title（参考訳）: リアルタイムセキュリティとヘイトスピーチによるリスク警告のための予測NLPモデルを備えたマイクロサービスベースのエンドポイント監視プラットフォーム
• Authors: Darlan Noetzold, Anubis Graciela De Moraes Rossetto, Juan Francisco De Paz Santana, Valderi Reis Quietinho Leithardt,
• Abstract要約: この研究は、テレメトリを収集し、リアルタイムのセキュリティとコンプライアンスをサポートするために予測自然言語処理モデルを適用する、統合されたエンドポイントベースのプラットフォームを提案する。 テキスト分類では、BERTなどのトランスフォーマーモデルを用いてヘイトスピーチのリスク検出を行い、平均精度は87%である。 実験の結果,提案プラットフォームは,アラート管理を集中化しながら,データ流出やポリシー違反の指標を迅速に提示できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Organizations increasingly depend on endpoint devices and corporate communication channels, yet they still face critical risks such as sensitive data leakage, suspicious user behavior, and the circulation of hateful or harmful language in workplace contexts. Current solutions frequently address these issues in isolation (e.g., productivity tracking, data loss prevention, or hate-speech detection), limiting correlation across signals and delaying incident response. This work proposes a unified, microservices-based platform that collects endpoint telemetry and applies predictive natural language processing models to support real-time security and compliance alerting. The architecture is modular and scalable, relying on RabbitMQ for event ingestion and routing and Redis for low-latency data access and alert delivery. For text classification, transformer-based models such as BERT are evaluated for hate-speech risk detection, achieving an average accuracy of 87\%. Experimental results indicate that the proposed platform can promptly surface indicators of data exfiltration and policy violations while centralizing alert management, providing an integrated framework that combines monitoring, security analytics, and predictive capabilities.
• Abstract（参考訳）: 組織はますますエンドポイントデバイスや企業通信チャネルに依存しているが、機密データ漏洩、疑わしいユーザーの行動、職場環境における憎しみや有害な言語の拡散といった重大なリスクに直面している。 現在のソリューションでは、これらの問題(生産性のトラッキング、データ損失防止、ヘイトスピーチ検出など)を分離して解決し、信号間の相関を制限し、インシデント応答を遅らせている。 この研究は、エンドポイントテレメトリを収集し、リアルタイムセキュリティとコンプライアンスアラートをサポートするために予測自然言語処理モデルを適用する、統合されたマイクロサービスベースのプラットフォームを提案する。 アーキテクチャはモジュール型でスケーラブルで、イベントの取り込みとルーティングにはRabbitMQ、低レイテンシのデータアクセスとアラート配信にはRedisに依存している。 テキスト分類では、BERTなどのトランスフォーマーモデルを用いてヘイトスピーチのリスク検出を行い、平均精度87\%を達成する。 実験結果から,提案プラットフォームは,監視,セキュリティ分析,予測機能を組み合わせた統合フレームワークを提供することで,警告管理を集中化しながら,データ流出やポリシ違反の指標を迅速に提示できることが示唆された。

関連論文リスト

• LROO Rug Pull Detector: A Leakage-Resistant Framework Based on On-Chain and OSINT Signals [1.0382948833881696]
  rug pullはスマートコントラクトベースのエコシステムにおける最も一般的な攻撃の1つです。 本稿では,早期のラグプル検出のためのリーク・アウェア・フレームワークを提案する。 オンチェーンの行動メトリクスと時間的に整合したオープンソースインテリジェンス(OSINT)信号を統合する。
  論文  参考訳（メタデータ） (2026-03-11T21:35:53Z)
• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• Prediction-Powered Risk Monitoring of Deployed Models for Detecting Harmful Distribution Shifts [51.37000123503367]
  予測駆動型リスクモニタリング(PPRM)を提案する。 PPRMは、合成ラベルを真のラベルの小さなセットと組み合わせることで、ランニングリスクの任意の有意な下界を構築する。 本稿では,画像分類,大規模言語モデル(LLM),通信監視タスクの広範な実験を通じて,PPRMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T15:32:14Z)
• Robust Federated Learning for Malicious Clients using Loss Trend Deviation Detection [0.0]
  フェデレートラーニング(FL)は、ローカルデバイスに生データが残ることを保証しながら、分散クライアント間の協調的なモデルトレーニングを容易にする。 このようなクライアントは、誤解を招く更新を送信することでトレーニングプロセスに干渉し、グローバルモデルのパフォーマンスと信頼性に悪影響を及ぼす可能性がある。 モデル勾配ではなく時間的損失のダイナミクスを監視して悪意のある行動を検知・緩和する,軽量かつプライバシ保護型防衛フレームワークであるFL-LTDを提案する。
  論文  参考訳（メタデータ） (2026-01-28T18:09:53Z)
• Endpoint Security Agent: A Comprehensive Approach to Real-time System Monitoring and Threat Detection [0.3266916057202441]
  本稿では,“Endpoint Security Agent: A Comprehensive Approach to Real-time System Monitoring and Threat Detection”を提案する。 良性および悪意のあるアクティビティのラベル付きデータセットに基づいてトレーニングされた機械学習ベースの検出エンジンは、最小限の偽陽性で正確な脅威識別を可能にする。 このシステムには、アラートと法医学的分析のための集中インターフェイスが含まれている。
  論文  参考訳（メタデータ） (2025-11-11T15:28:54Z)
• VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
  VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。 セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。 平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
  論文  参考訳（メタデータ） (2025-09-15T02:25:38Z)
• ViSTR-GP: Online Cyberattack Detection via Vision-to-State Tensor Regression and Gaussian Processes in Automated Robotic Operations [5.95097350945477]
  接続された工場と自動化された工場は、サイバーセキュリティのリスクが増大し、物理的運用に中断や損害をもたらす可能性がある。 データ統合攻撃は、攻撃者が運用データにアクセスし操作できるような高度な脆弱性を悪用することが多い。 本稿では、コントローラの権限外の頭上カメラからの視覚に基づく推定値に対して、エンコーダが報告した計測値を相互にチェックするオンライン検出フレームワークViSTR-GPを開発する。
  論文  参考訳（メタデータ） (2025-09-13T19:10:35Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)
• Per-frame mAP Prediction for Continuous Performance Monitoring of Object Detection During Deployment [6.166295570030645]
  本稿では,デプロイメント中のパフォーマンスモニタリングに対するイントロスペクションアプローチを提案する。 フレーム当たりの平均精度がクリティカルしきい値以下になると予測する。 我々は,誤った判断を下すことによってリスクを低減する手法の能力を定量的に評価し,実証する。
  論文  参考訳（メタデータ） (2020-09-18T06:37:52Z)

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。