論文の概要: Detecting Offensive Cyber Agents: A Detection-in-Depth Approach
- arxiv url: http://arxiv.org/abs/2605.21956v1
- Date: Thu, 21 May 2026 03:44:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.075795
- Title: Detecting Offensive Cyber Agents: A Detection-in-Depth Approach
- Title（参考訳）: 攻撃的サイバーエージェントの検出: 深度検出アプローチ
- Authors: Matt Mittelsteadt, Jam Kraprayoon, Robin Staes-Polet, Oskar Galeev, Jan Wehner, Christopher Covino, Shaun Ee,
- Abstract要約: 人工知能(AI)エージェントがサイバー攻撃を組織化できるようになった。
この開発はサイバー攻撃のスピードと規模を増している。
これらの新興脅威に対して防御するためには、アクターはまずそれらを検出する能力を開発する必要がある。
- 参考スコア（独自算出の注目度）: 0.472326253514371
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial Intelligence (AI) agents can now orchestrate cyberattacks. This development is already increasing the speed and scale of cyber attacks, decreasing attack costs, and improving the operational autonomy of cyber capabilities. To defend against these emerging threats, actors must first develop the capability to detect them. This report frames the offensive cyber agent detection challenge by outlining the coming detection gap between offensive cyber agents and traditional cyber capabilities; introducing detection-in-depth, a strategic framework to guide policymakers and defenders responding to this detection gap; and presents five actionable detection mechanisms to support policymakers, industry, and defenders when putting this strategic framework into practice. These include (1) Agent Identifiers for Critical Infrastructure,(2) Agent Honeypots; (3) AI-Automated Alert Analysis and Triage: systems that use AI to filter, prioritize, and interpret the growing volume of detection signals expected from autonomous cyber operations; (4) An Agentic Security Alert Standard: A reporting standard model that providers can use to communicate agentic threats, improving the speed, consistency, and actionability of reports; (5) An Agentic Cybersecurity Exchange (ACE): an institution modeled on the Global Signal Exchange that brings together model and cloud providers to detect offensive cyber agent threats at their origin point and coordinate ecosystem-wide agentic threat disruption.
- Abstract（参考訳）: 人工知能(AI)エージェントがサイバー攻撃を組織化できるようになった。
この開発は、サイバー攻撃のスピードと規模を既に増加させ、攻撃コストを削減し、サイバー能力の運用自律性を改善している。
これらの新興脅威に対して防御するためには、アクターはまずそれらを検出する能力を開発する必要がある。
本報告では、攻撃的サイバーエージェントと従来型のサイバー能力の出現する検出ギャップを概説し、この検出ギャップに対応する政策立案者や防衛者を誘導する戦略枠組み、この戦略枠組みを実践する際に、政策立案者、産業、防衛者を支援するための5つの実行可能な検出メカニズムを提示する。
1)クリティカルインフラストラクチャーのためのエージェント識別器、(2)エージェントハニーポット、(3)AI自動アラート分析およびトリアージ:AIを使用して自律的サイバー活動から期待される検出信号の増大量をフィルタリング、優先順位付け、解釈するシステム、(4)エージェントセキュリティアラート標準:プロバイダがエージェント脅威を通信し、レポートの速度、一貫性、動作性を向上させることができるレポート標準モデル、(5)エージェントサイバーセキュリティ取引(ACE):グローバル・シグナル・エクスチェンジ(Global Signal Exchange)をモデルとする機関。
関連論文リスト
- Agentic AI and the Industrialization of Cyber Offense: Forecast, Consequences, and Defensive Priorities for Enterprises and the Mittelstand [0.0]
エージェントAIシステムは、計画し、ツールを呼び、コードを検査し、Webアプリケーションと対話し、サイバー犯罪の多段階経済を調整できる。
Agentic AIは、偵察、フィッシング、クレデンシャル悪用、脆弱性トリアージ、エクスプロイト適応、コンパイル後決定サポートのコストを下げることで、攻撃ライフサイクルを圧縮する。
本稿では,国家サイバーセキュリティ機関,産業脅威報告,エージェントセキュリティガイダンス,エージェントサイバー能力の研究から,現在の公的な証拠を合成する。
論文 参考訳（メタデータ） (2026-05-06T23:23:26Z) - DecodingTrust-Agent Platform (DTap): A Controllable and Interactive Red-Teaming Platform for AI Agents [121.77550256034]
DecodingTrust-Agent Platform (DTap)は、AIエージェントのためのコントロール可能でインタラクティブなレッドチームプラットフォームである。
DTap-Redは、多様なインジェクションベクターを探索し、効果的な攻撃戦略を自律的に発見する、最初の自律的赤チームエージェントである。
DTapを通じて、さまざまなバックボーンモデル上に構築された一般的なAIエージェントの大規模評価を行う。
論文 参考訳（メタデータ） (2026-05-06T11:59:48Z) - OMNI-LEAK: Orchestrator Multi-Agent Network Induced Data Leakage [59.3826294523924]
オーケストレータ設定として知られる,一般的なマルチエージェントパターンのセキュリティ脆弱性について検討する。
本報告では,フロンティアモデルの攻撃カテゴリに対する感受性を報告し,推論モデルと非推論モデルの両方が脆弱であることが確認された。
論文 参考訳（メタデータ） (2026-02-13T21:32:32Z) - Techniques of Modern Attacks [51.56484100374058]
Advanced Persistent Threats (APT) は特定の標的を狙った複雑な攻撃方法である。
本稿では,近年の学術研究で提案されている攻撃ライフサイクルと最先端の検知・防衛戦略について検討する。
それぞれのアプローチの長所と短所を強調し、より適応的なAPT緩和戦略を提案する。
論文 参考訳（メタデータ） (2026-01-19T22:15:25Z) - Modern DDoS Threats and Countermeasures: Insights into Emerging Attacks and Detection Strategies [49.57278643040602]
分散型サービス拒否(DDoS)攻撃は、オンラインサービスとインフラストラクチャに対する重大な脅威として継続する。
本稿は、過去10年間のDDoS攻撃と検出戦略の包括的調査を提供する。
論文 参考訳（メタデータ） (2025-02-27T11:22:25Z) - CyberSentinel: An Emergent Threat Detection System for AI Security [0.0]
人工知能(AI)の急速な進歩は、AIによるサイバーセキュリティの脅威に対する攻撃面を大きく広げた。
本稿では,緊急脅威検出のための単一エージェントシステムであるCyberSentinelを紹介する。
進化する敵の戦術に継続的に適応することで、サイバーセンチネルは積極的なサイバーセキュリティ防衛を強化する。
論文 参考訳（メタデータ） (2025-02-20T19:03:32Z) - Countering Autonomous Cyber Threats [40.00865970939829]
ファンデーションモデルは、サイバードメイン内で広く、特に二元的関心事を提示します。
近年の研究では、これらの先進的なモデルが攻撃的なサイバースペース操作を通知または独立に実行する可能性を示している。
この研究は、孤立したネットワークでマシンを妥協する能力について、最先端のいくつかのFMを評価し、そのようなAIによる攻撃を倒す防御メカニズムを調査する。
論文 参考訳（メタデータ） (2024-10-23T22:46:44Z) - The MESA Security Model 2.0: A Dynamic Framework for Mitigating Stealth Data Exfiltration [0.0]
ステルスデータ流出は、隠蔽侵入、拡張された検出不能、機密データの不正な拡散を特徴とする重要なサイバー脅威である。
以上の結果から,従来の防衛戦略はこれらの高度な脅威に対処するには不十分であることが判明した。
この複雑な風景をナビゲートする上で、潜在的な脅威を予測し、防衛を継続的に更新することが重要です。
論文 参考訳（メタデータ） (2024-05-17T16:14:45Z) - Generative AI in Cybersecurity [0.0]
生成人工知能(GAI)は、データ分析、パターン認識、意思決定プロセスの分野を変える上で重要な役割を担っている。
GAIは急速に進歩し、サイバーセキュリティプロトコルや規制フレームワークの現在のペースを超越している。
この研究は、マルウェア生成におけるGAIの高度な利用に対抗するために、より複雑な防衛戦略を積極的に特定し、開発する組織にとって重要な必要性を強調している。
論文 参考訳（メタデータ） (2024-05-02T19:03:11Z) - A System for Efficiently Hunting for Cyber Threats in Computer Systems
Using Threat Intelligence [78.23170229258162]
ThreatRaptorは、OSCTIを使用してコンピュータシステムにおけるサイバー脅威ハンティングを容易にするシステムです。
ThreatRaptorは、(1)構造化OSCTIテキストから構造化された脅威行動を抽出する非監視で軽量で正確なNLPパイプライン、(2)簡潔で表現力のあるドメイン固有クエリ言語であるTBQLを提供し、悪意のあるシステムアクティビティを探し、(3)抽出された脅威行動からTBQLクエリを自動的に合成するクエリ合成メカニズムを提供する。
論文 参考訳（メタデータ） (2021-01-17T19:44:09Z) - Enabling Efficient Cyber Threat Hunting With Cyber Threat Intelligence [94.94833077653998]
ThreatRaptorは、オープンソースのCyber Threat Intelligence(OSCTI)を使用して、コンピュータシステムにおける脅威追跡を容易にするシステムである。
構造化されていないOSCTIテキストから構造化された脅威行動を抽出し、簡潔で表現力豊かなドメイン固有クエリ言語TBQLを使用して悪意のあるシステムアクティビティを探索する。
広範囲にわたる攻撃事例の評価は、現実的な脅威狩りにおけるThreatRaptorの精度と効率を実証している。
論文 参考訳（メタデータ） (2020-10-26T14:54:01Z)
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。