論文の概要: MAECO-Lite: Modular Ontology for Dynamic Malware Analysis

• arxiv url: http://arxiv.org/abs/2605.31199v1
• Date: Fri, 29 May 2026 12:08:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.587472
• Title: MAECO-Lite: Modular Ontology for Dynamic Malware Analysis
• Title（参考訳）: MAECO-Lite:動的マルウェア解析のためのモジュールオントロジー
• Abstract要約: MAECとSTIXは、マルウェアのアーティファクトと観察を記述するために広く採用されている語彙を提供する。 永続的なマルウェアのアーティファクトを、実行中に生成されたイベントと区別する傾向がある。 動的マルウェア解析のためのデータ表現と処理の運用を目的とした軽量オントロジーであるMAECO-Liteを提案する。
• 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: Capturing dynamic malware behavior in a practical but still semantically precise manner remains a significant challenge in cyber threat intelligence. While standards such as MAEC and STIX provide widely adopted vocabularies for describing malware artifacts and observations, they represent data with considerable complexity in structures that often obscure important ontological distinctions. In particular, they tend to conflate enduring malware artifacts with the events generated during execution, thereby flattening distinctions that are central in foundational standards for ontology design. In this paper, we conduct a foundational ontological analysis of core MAEC and STIX constructs relevant to dynamic malware analysis relying on Unified Foundational Ontology (UFO) as a theoretical lens. Our analysis reveals some ontological mismatches arising from the conflation of artifacts, dispositions, and runtime events in MAEC and STIX that complicate coherent representation of dynamic malware behavior and, from a practical perspective, limit the ability to reason about execution traces. Based on these insights, we propose MAECO-Lite, a lightweight ontology designed to represent data and operationalize their processing for dynamic malware analysis. The ontology adopts a modular structure centered on samples, processes, actions, system artifacts, and MITRE ATT&CK Techniques, while maintaining a clear separation between enduring entities and runtime events. An initial evaluation using description logic concept learning algorithms shows that the simplified ontology significantly improves learning performance, demonstrating that ontologically grounded modelling can enhance both semantic clarity and computational usability.
• Abstract（参考訳）: 動的マルウェアの振る舞いを実用的だがセマンティックに正確に捉えることは、サイバー脅威インテリジェンスにおいて重要な課題である。 MAECやSTIXのような標準は、マルウェアの人工物や観察を記述するための広く採用されている語彙を提供するが、それらはしばしば重要な存在論的区別を曖昧にしている構造においてかなり複雑なデータを表す。 特に、持続するマルウェアのアーティファクトを実行中に生成されたイベントと説明し、オントロジー設計の基本的な標準の中心となる区別をフラットにする傾向がある。 本稿では,Unified Foundational Ontology(UFO)を理論レンズとして用いた動的マルウェア解析に係わるコアMAECとSTIXの構造に関する基礎的オントロジー解析を行う。 本分析では, 動的マルウェアの挙動のコヒーレントな表現を複雑にし, 実行トレースを推論する能力を制限するMAECとSTIXにおけるアーティファクト, 処分, 実行イベントの融合から生じる存在論的ミスマッチを明らかにした。 これらの知見に基づいて,データ表現と動的マルウェア解析のための処理の運用を目的とした軽量オントロジーMAECO-Liteを提案する。 オントロジーでは、サンプル、プロセス、アクション、システムアーティファクト、MITRE ATT&CKテクニックを中心にしたモジュール構造を採用し、永続的なエンティティとランタイムイベントの明確な分離を維持している。 記述論理の概念学習アルゴリズムを用いた初期評価では、単純化されたオントロジーが学習性能を大幅に向上し、オントロジ的に基底付けられたモデリングが意味的明快さと計算的ユーザビリティの両方を高めることが示されている。

関連論文リスト

• Risk Models as Mediating Artifacts: A Postphenomenological Analysis of the CIIM Framework in Cybersecurity Practice [0.0]
  この記事では、フォーマルなリスクモデルは、セキュリティ実践者がどのように認識し、解釈し、脅威に対処するかを形作るアーティファクトを仲介するものとして機能する、と論じます。 人間の技術関係に関するDon Ihdeの分類とPeter-Paul Verbeek氏の拡張媒介フレームワークに基づいて、コンテキストおよびマルチモーダルハザードインパクト指標(CIIM)を分析した。 LSTM/GRU,XGBoost,Reinforcement Learningを組み合わせたCIIMの時間予測(t+1)とそのハイブリッド機械学習アーキテクチャが,新たな技術的意図を生み出すかを検討する。
  論文  参考訳（メタデータ） (2026-04-23T15:33:10Z)
• OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
  大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。 OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。 我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
  論文  参考訳（メタデータ） (2026-03-16T18:29:01Z)
• An Explainable Memory Forensics Approach for Malware Analysis [1.2744523252873352]
  メモリフォサイシクス(Memory forensics)は、ランドオフ・ザ・ランドのマルウェアを分析する効果的な方法である。 本稿では,AI支援型メモリフォサイシクス手法を提案する。 提案手法を Windows と Android のマルウェアに適用する。
  論文  参考訳（メタデータ） (2026-02-23T13:30:04Z)
• Med-CRAFT: Automated Construction of Interpretable and Multi-Hop Video Workloads via Knowledge Graph Traversal [13.216513001286812]
  textbfPipelineNameは、新しいニューロシンボリックデータエンジニアリングフレームワークである。 Med-CRAFTは生のビデオストリームから構造化されたビジュアルプリミティブを抽出し、動的時空間知識グラフにインスタンス化する。 このパイプラインをインスタンス化し、大規模な医療ビデオ推論ベンチマークであるM3-Med-Autoを生成します。
  論文  参考訳（メタデータ） (2025-11-30T19:24:10Z)
• Enabling Transparent Cyber Threat Intelligence Combining Large Language Models and Domain Ontologies [3.4423725226938426]
  ログからの情報抽出の精度と説明性を向上するAIエージェントを構築するための新しい手法を提案する。 本手法の設計は,ハニーポットデータに関連する解析的要件によって動機付けられている。 その結果,従来のプロンプトのみの手法に比べて,情報抽出の精度が高いことがわかった。
  論文  参考訳（メタデータ） (2025-08-26T23:17:33Z)
• The Shape of Adversarial Influence: Characterizing LLM Latent Spaces with Persistent Homology [4.280045926995889]
  本研究では,大規模言語モデルの内部表現空間に対して,逆入力が体系的にどう影響するかに着目した。 アクティベーションの形状と神経情報の流れを定量化することにより、アーキテクチャに依存しない枠組みは、表現的変化の基本的な不変性を明らかにする。
  論文  参考訳（メタデータ） (2025-05-26T18:31:49Z)
• Model Hemorrhage and the Robustness Limits of Large Language Models [119.46442117681147]
  大規模言語モデル(LLM)は、自然言語処理タスク全体で強力なパフォーマンスを示すが、デプロイメント用に修正された場合、大幅なパフォーマンス低下を経験する。 この現象をモデル出血(パラメータ変更とアーキテクチャ変更によるパフォーマンス低下)と定義する。
  論文  参考訳（メタデータ） (2025-03-31T10:16:03Z)
• No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs [56.78271181959529]
  本稿では,従来の2段階モデリングプロセスから離れることで,低次元力学系をモデル化する概念シフトを提案する。 最初に閉形式方程式を発見して解析する代わりに、我々のアプローチ、直接意味モデリングは力学系の意味表現を予測する。 私たちのアプローチは、モデリングパイプラインを単純化するだけでなく、結果のモデルの透明性と柔軟性も向上します。
  論文  参考訳（メタデータ） (2025-01-30T18:36:48Z)
• Towards Evaluating the Robustness of Visual State Space Models [63.14954591606638]
  視覚状態空間モデル(VSSM)は視覚知覚タスクにおいて顕著な性能を示した。 しかし、自然と敵対的な摂動の下での頑丈さは依然として重要な懸念事項である。 様々な摂動シナリオ下でのVSSMの頑健さを総合的に評価する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:44Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)

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。