論文の概要: Stochastic Analysis of Cybersecurity Defense Strategies Under Single Attack Scenario

• arxiv url: http://arxiv.org/abs/2606.00481v1
• Date: Sat, 30 May 2026 02:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 15:18:19.023916
• Title: Stochastic Analysis of Cybersecurity Defense Strategies Under Single Attack Scenario
• Title（参考訳）: 単一攻撃シナリオ下におけるサイバーセキュリティ対策戦略の確率論的分析
• Abstract要約: 本研究は,単一攻撃シナリオ下での積極的なサイバーセキュリティ防衛タイミングのための新しい枠組みを提案する。 この手法は、防衛過程を防衛インスタントとその後の観測スロットが独立指数分布に従う連続的な観測メカニズムとしてモデル化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This research presents a novel stochastic framework for proactive cybersecurity defense timing under a single attack scenario. The approach models the defense process as a continuous observation mechanism in which the defense instant and the subsequent observation slot follow independent exponential distributions. Laplace-Carson transforms combined with first-excess theory yield the joint detection function that brackets the attack moment. Marginalization under Markovian Poisson arrivals then produces the probability density of the defense moment and conditional expectations of pre-attack and post-attack observation times. These closed-form results enable quantitative assessment of defense timing sensitivity to threat intensity and support precise calibration of observation parameters for low-latency proactive measures. Major contributions include the explicit derivation of marginal distributions and expected values, visualization of defense moment density, and the bridging of stochastic duel methodology with practical cybersecurity applications.
• Abstract（参考訳）: 本研究は,単一攻撃シナリオ下での積極的なサイバーセキュリティ防衛タイミングのための新しい確率的枠組みを提案する。 この手法は、防衛過程を防衛インスタントとその後の観測スロットが独立指数分布に従う連続的な観測メカニズムとしてモデル化する。 ラプラス・カーソン変換と第一超越理論を組み合わせると、攻撃モーメントをブラケットする共同検出関数が得られる。 マルコフ・ポアソンが到着すると、防御モーメントの確率密度と攻撃前の観測時間と攻撃後の観測時間の条件予測が生成される。 これらのクローズドフォームの結果は、脅威強度に対する防御タイミング感度の定量的評価を可能にし、低遅延前向き測度に対する観測パラメータの正確な校正を支援する。 主な貢献は、限界分布と期待値の明示的な導出、防御モーメント密度の可視化、実用的なサイバーセキュリティアプリケーションによる確率的デュエル手法のブリッジングである。

関連論文リスト

• Analytic Planning under Uncertainty with Moment Closure [32.403961716203455]
  フルステートを解析的に伝播させることは、これを行うための原則的な方法を提供するが、伝統的に、トラクタブルな状態を維持するために制限的な政策や報酬構造を必要としてきた。 このような制約を伴わずに分散対応計画が可能であるかを検討する。 提案手法は, 連続制御における観測下での予測不確実性を良好に評価し, 目標分散を低減させる。
  論文  参考訳（メタデータ） (2026-08-03T17:17:00Z)
• Secure-CHG: A Comprehensive Framework for Robust and Fair Federated Learning via Hybrid Defense and Contribution-Aware Trust [4.5294318938213465]
  フェデレート・ラーニング(FL)は、ステルスなバックドア攻撃に非常に敏感である。 後期失敗」という基本的脆弱性を特定。 本稿では,防衛パラダイムを形態的検出から本質的な意味的貢献の検証へ転換するハイブリッドフレームワークSecure-CHGを提案する。
  論文  参考訳（メタデータ） (2026-06-30T02:53:16Z)
• Density-aware Sample-specific Attack [9.323723123910618]
  ベイズ最適モデルに基づく最適なサンプル特異的トリガ構築を特徴付ける原理的基準を導入する。 分析の結果, クリーンデータ分布の低密度領域にトリガサンプルを操り込むと, 攻撃成功とクリーンな保存が同時に最適化されることが判明した。
  論文  参考訳（メタデータ） (2026-05-27T01:02:49Z)
• Provable Robustness against Backdoor Attacks via the Primal-Dual Perspective on Differential Privacy [51.758416625168]
  ランダムな平滑化は、敵の摂動に対する堅牢性を証明するための強力なツールである。 本稿では,複雑な構成機構の認証のためのフレームワークを提案する。 複雑な脅威モデル下での堅牢性を証明するために複合メカニズムを使用するための原則的で一般的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-05-20T22:17:29Z)
• Defenses at Odds: Measuring and Explaining Defense Conflicts in Large Language Models [21.944459747448974]
  本研究は, シーケンシャル展開下でのクロス・ディフェンス・インタラクションに関する最初の体系的研究である。 38.9%は、もともと防御された次元で測定可能なリスクの悪化を示す。 本稿では、シーケンシャルデプロイメント中に高複雑性層を選択的に凍結する軽量な緩和法を提案する。
  論文  参考訳（メタデータ） (2026-05-14T07:58:47Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• Explainer-guided Targeted Adversarial Attacks against Binary Code Similarity Detection Models [12.524811181751577]
  我々は,BCSDモデルに対する敵攻撃に対する新たな最適化を提案する。 特に,攻撃目標は,モデル予測を特定の範囲に制限することである。 我々の攻撃は、モデル決定境界の解釈において、ブラックボックス、モデルに依存しない説明器の優れた能力を活用する。
  論文  参考訳（メタデータ） (2025-06-05T08:29:19Z)
• MirrorCheck: Efficient Adversarial Defense for Vision-Language Models [55.73581212134293]
  本稿では,視覚言語モデルにおける対角的サンプル検出のための,新しい,しかしエレガントなアプローチを提案する。 本手法は,テキスト・トゥ・イメージ(T2I)モデルを用いて,ターゲットVLMが生成したキャプションに基づいて画像を生成する。 異なるデータセットで実施した経験的評価により,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-06-13T15:55:04Z)
• Learn from the Past: A Proxy Guided Adversarial Defense Framework with Self Distillation Regularization [53.04697800214848]
  敵対的訓練(AT)は、ディープラーニングモデルの堅牢性を固める上で重要な要素である。 AT方式は、目標モデルの防御のために直接反復的な更新を頼りにしており、不安定な訓練や破滅的なオーバーフィッティングといった障害に頻繁に遭遇する。 汎用プロキシガイド型防衛フレームワークLAST(bf Pbf astから学ぶ)を提案する。
  論文  参考訳（メタデータ） (2023-10-19T13:13:41Z)
• Improving Adversarial Robustness to Sensitivity and Invariance Attacks with Deep Metric Learning [80.21709045433096]
  対向ロバスト性の標準的な方法は、サンプルを最小に摂動させることによって作られたサンプルに対して防御する枠組みを仮定する。 距離学習を用いて、最適輸送問題として逆正則化をフレーム化する。 予備的な結果から, 変分摂動の規則化は, 変分防御と敏感防御の両方を改善することが示唆された。
  論文  参考訳（メタデータ） (2022-11-04T13:54:02Z)
• Trust but Verify: Assigning Prediction Credibility by Counterfactual Constrained Learning [123.3472310767721]
  予測信頼性尺度は統計学と機械学習において基本的なものである。 これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。 この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
  論文  参考訳（メタデータ） (2020-11-24T19:52:38Z)
• Defending Regression Learners Against Poisoning Attacks [25.06658793731661]
  N-LIDと呼ばれる新しい局所固有次元(LID)に基づく測度を導入し,その近傍データ点のLIDの局所偏差を測定する。 N-LIDは、正常なサンプルから有毒なサンプルを識別し、攻撃者を仮定しないN-LIDベースの防御アプローチを提案する。 提案した防御機構は,予測精度(未固定リッジモデルと比較して最大76%低いMSE)とランニング時間において,より優れることを示す。
  論文  参考訳（メタデータ） (2020-08-21T03:02:58Z)

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。