論文の概要: CyBOKClaw: Human-in-the-Loop CyBOK Mapping for Cybersecurity Curriculum

• arxiv url: http://arxiv.org/abs/2605.24663v1
• Date: Sat, 23 May 2026 17:04:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.302734
• Title: CyBOKClaw: Human-in-the-Loop CyBOK Mapping for Cybersecurity Curriculum
• Title（参考訳）: CyBOKClaw:サイバーセキュリティカリキュラムのための人間中心のCyBOKマッピング
• Authors: Yan Lin Aung, Kevin Togbe,
• Abstract要約: CyBOKClawはサイバーセキュリティキーワードをCyBOK(Cyber Security Body of Knowledge)にマッピングするための検索フレームワークである。 クエリの正規化、期間拡張のキュレーション、概念レベルの強化、トピック記述の強化、ドメイン依存のランキングルールを組み合わせる。 構造的検索指標とエキスパートガイド付きトップ5有用度指標ECA-5を用いて,本フレームワークの評価を行った。
• 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: This paper presents CyBOKClaw, an interpretable human-in-the-loop retrieval framework for mapping cybersecurity keywords or phrases (KWoPs) to the Cyber Security Body of Knowledge (CyBOK). Rather than treating the task as strict exact classification, the framework is designed as a top-k candidate generator for expert review. It combines query normalization, curated term expansion, concept-level boosts, topic-description enrichment, and domain-sensitive ranking rules. Because educational KWoPs are often broad, ambiguous, and only approximately aligned with CyBOK terminology, strict exact matching provides only a partial account of practical utility. We therefore evaluate the framework using both structural retrieval metrics and an expert-guided top-5 usefulness metric, ECA-5 (Exact or Closest Acceptable Match at top-5), which records whether the returned candidates contain at least one mapping that an expert would judge exact or accept as the nearest practical CyBOK placement. On the development dataset, CyBOKClaw achieves 64.73% EXA-5 (Exact Match at top-5), 84.18% structural semantic alignment, and 91.88% ECA-5; on the validation dataset, it achieves 81.19% EXA-5, 93.32% structural semantic alignment, and 98.00% ECA-5. These results show that expert-guided top-k usefulness provides a more faithful account of practical CyBOK mapping utility than exact structural matching alone, and that CyBOKClaw is effective as a CyBOK-specific expert-support retrieval system.
• Abstract（参考訳）: 本稿では,サイバーセキュリティキーワードやフレーズ(KWoP)をCyBOK(Cyber Security Body of Knowledge)にマッピングするための,解釈可能な人文検索フレームワークであるCyBOKClawを提案する。 このフレームワークは、タスクを厳密な正確な分類として扱うのではなく、専門家レビューのためのトップk候補ジェネレータとして設計されている。 クエリの正規化、期間拡張のキュレーション、概念レベルの強化、トピック記述の強化、ドメイン依存のランキングルールを組み合わせる。 教育用 KWoP はしばしば広く、曖昧で、CyBOK の用語とほぼ一致しているため、厳密な正確なマッチングは実用性の部分的な説明しか提供しない。 そこで, 提案手法は, 提案手法を用いて, 得られた候補が, 専門家が正確に判断するか, あるいは最も実践的なCyBOK配置として受け入れる少なくとも1つのマッピングを含むか否かを, ECA-5 (Exact or Closest Acceptable Match at top-5) を用いて評価する。 開発データセットでは64.73%のEXA-5 (Exact Match at top-5)、84.18%の構造化セマンティックアライメント、91.88%のECA-5が達成され、検証データセットでは81.19%のEXA-5、93.32%の構造化セマンティックアライメント、98.00%のECA-5が達成されている。 以上の結果から,CyBOKClawはCyBOK固有の専門家支援検索システムとして有効であることが示唆された。

関連論文リスト

• Encyclo-K: Evaluating LLMs with Dynamically Composed Knowledge Statements [78.87065404966002]
  既存のベンチマークは、主に質問レベルで質問をキュレートする。 ベンチマーク構築をゼロから再考するステートメントベースのベンチマークであるEncyclo-Kを提案する。
  論文  参考訳（メタデータ） (2025-12-31T13:55:54Z)
• BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
  BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。 提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-11-26T06:39:19Z)
• Beyond Long Context: When Semantics Matter More than Tokens [0.0]
  Electronic Health Recordsは、FHIR DocumentReferenceリソースにエンコードされたbase64アタッチメントとして、臨床ドキュメントを保存している。 Lopezらによって導入されたクリニカルエンティティ拡張検索(CLEAR)法は、エンティティ認識検索を使用している。 CLEARは58.3%の勝利率を達成し、平均的な意味的類似度は0.878であり、幅広いコンテキスト処理よりも78%少ないトークンを使用した。
  論文  参考訳（メタデータ） (2025-10-29T16:41:44Z)
• Hierarchical Conformal Classification [5.964388602612373]
  コンフォーマル予測(CP)は、機械学習モデルにおける不確実性を定量化する強力なフレームワークである。 標準CPは、クラスをフラットで非構造化として扱い、クラスラベル間の意味や階層構造のような関係を無視している。 本稿では,クラス階層を予測集合の構造と意味論の両方に組み込んだCPの拡張である階層型HCCal Classification (HCC)を提案する。
  論文  参考訳（メタデータ） (2025-08-18T18:05:55Z)
• Advancing Retrieval-Augmented Generation for Structured Enterprise and Internal Data [0.0]
  大きな言語モデル(LLM)は強力な生成能力を持つ。 静的事前トレーニング、短いコンテキストウィンドウ、および異種データフォーマットを処理する際の課題によって制限されている。 従来のRetrieval-Augmented Generation (RAG) フレームワークはこれらのギャップのいくつかに対処するが、構造化データや半構造化データに苦慮することが多い。 本研究では,SpaCy NERとクロスエンコーダによるメタデータ認識フィルタリングにより強化された,高密度埋め込み(All-mpnet-base-v2)とBM25を用いたハイブリッド検索戦略を組み合わせた高度なRAGフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-16T17:13:06Z)
• CLIP-EBC: CLIP Can Count Accurately through Enhanced Blockwise Classification [29.570935239024138]
  CLIP-EBC(CLIP-EBC)を提案する。 我々のEBCフレームワークは、UCF-QNRFデータセットで44.5%まで既存の分類ベースの手法を改善することができる。 CLIP-EBCは、NWPU-Crowdテストセットの最先端のパフォーマンスを実現し、MAEは58.2、RMSEは268.5で、以前のベストメソッドであるSTEERERよりも8.6%と13.3%改善した。
  論文  参考訳（メタデータ） (2024-03-14T11:08:33Z)
• Investigating the Limitation of CLIP Models: The Worst-Performing Categories [53.360239882501325]
  コントラスト言語-画像事前学習(CLIP)は、自然言語を視覚概念に統合する基礎モデルを提供する。 通常、十分に設計されたテキストプロンプトによって、多くの領域で満足な全体的な精度が達成できると期待されている。 しかし、最悪のカテゴリにおけるパフォーマンスは、全体的なパフォーマンスよりも著しく劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T05:37:33Z)
• Optimizing Partial Area Under the Top-k Curve: Theory and Practice [151.5072746015253]
  トップk曲線下部分領域(AUTKC)と呼ばれる新しい計量法を開発した。 AUTKCはより優れた識別能力を持ち、ベイズ最適スコア関数は条件付き確率に対して正しいトップKランクを与えることができる。 提案手法を最適化するために,実証的なサロゲートリスク最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-03T11:09:13Z)
• Inductive Learning on Commonsense Knowledge Graph Completion [89.72388313527296]
  コモンセンス知識グラフ(英: Commonsense Knowledge graph、CKG)は、知識グラフ(英: knowledge graph、CKG)の一種。 本稿では,未確認のエンティティがテスト時に現れるCKG完了のための帰納学習環境について検討する。 InductivEは、ATOMICとConceptNetベンチマークの標準設定とインダクティブ設定の両方において、最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-09-19T16:10:26Z)

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。