論文の概要: Operationalizing Cyber Attack Prediction: A Gap-Prioritized Framework with Dataset and Model Selection Guidelines

• arxiv url: http://arxiv.org/abs/2606.03386v1
• Date: Tue, 02 Jun 2026 09:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.905727
• Title: Operationalizing Cyber Attack Prediction: A Gap-Prioritized Framework with Dataset and Model Selection Guidelines
• Title（参考訳）: サイバー攻撃予測の運用:データセットとモデル選択ガイドラインを備えたギャッププライオライズされたフレームワーク
• Authors: Aminu Muhammad Auwal,
• Abstract要約: 本稿では、150以上のベンチマークデータセットと200以上の研究を総合的に分析し、5つの実装ハードルを特定し、優先順位付けする。 本稿では,検出効果,実装コスト,修復時間に基づいて,これらの制限を評価する新たなギャップ優先化フレームワークを提案する。 この研究は学術的な知見を、堅牢で生産指向のAI駆動型サイバーディフェンスのための実用的な意思決定支援ツールに翻訳する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While AI and machine learning for cyber attack prediction have advanced, a critical gap persists between theoretical research and practical operational deployment. Building on Ankalaki et al. (2025), this paper provides a comprehensive analysis of 150+ benchmark datasets and 200+ studies to identify and prioritize five implementation hurdles: (1) temporal dataset obsolescence, (2) narrow attack scope, (3) real-time model interpretability, (4) inadequate adversarial robustness, and (5) privacy/ethical concerns. We introduce a novel gap-prioritization framework that evaluates these limitations based on detection impact, implementation cost, and remediation time. Our analysis identifies dataset obsolescence and adversarial robustness as the highest-priority gaps, while highlighting model interpretability as the most cost-effective path for resource-constrained environments. To bridge the research-practice divide, we provide a practical implementation roadmap and a dataset quality assessment framework that classifies 45 benchmarks into production-ready, research-only, and unusable categories. This work translates academic findings into actionable decision-support tools for robust, production-oriented AI-driven cyber defense.
• Abstract（参考訳）: サイバー攻撃予測のためのAIと機械学習は進歩しているが、理論的研究と実際の運用展開の間には重大なギャップが残っている。 Ankalaki et al (2025) に基づく本論文は,(1) 時間的データセットの陳腐化,(2) 攻撃範囲の狭さ,(3) リアルタイムモデルの解釈可能性,(4) 敵の頑健性,(5) プライバシーと倫理上の懸念,の5つのハードルを特定し,優先順位付けするために,150以上のベンチマークデータセットと200以上の研究を包括的に分析する。 本稿では,検出効果,実装コスト,修復時間に基づいて,これらの制限を評価する新たなギャップ優先化フレームワークを提案する。 本分析では, 資源制約環境において, モデル解釈可能性が最もコスト効率のよい経路であることを強調しながら, データセットの偏光と対向ロバスト性を最優先のギャップとして認識する。 研究実践分割の橋渡しとして,45のベンチマークを製品対応,研究専用,使用不能のカテゴリに分類する,実践的な実装ロードマップとデータセット品質評価フレームワークを提供する。 この研究は学術的な知見を、堅牢で生産指向のAI駆動型サイバーディフェンスのための実用的な意思決定支援ツールに翻訳する。

関連論文リスト

• Pen-Strategist: A Reasoning Framework for Penetration Testing Strategy Formation and Analysis [1.0312951426012829]
  Pen-Strategistフレームワークは、論理的推論を通じてペンテスティング戦略を導出する、新しいドメイン固有の推論モデルで構成されている。 強化学習を用いた戦略生成のためのQwen-3-14Bモデルを微調整する。 CTFKnowベンチマークの実験では、ベースモデルよりも18%パフォーマンスが向上した。
  論文  参考訳（メタデータ） (2026-05-06T05:02:40Z)
• Identity Card Presentation Attack Detection: A Systematic Review [7.7489419818764596]
  ディープ・ラーニングはプレゼンテーション・アタック検出の進歩を推進した。 この分野は、データの欠如とモデルの一般化の貧弱により、基本的に制限されている。 本稿では,本研究の成果を整理し,重要な研究ギャップを特定し,今後の研究の規範的ロードマップを概説する。
  論文  参考訳（メタデータ） (2025-11-08T15:55:37Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• A Guide to Robust Generalization: The Impact of Architecture, Pre-training, and Optimization Strategy [50.33847176405776]
  6つのデータセット,40の事前訓練アーキテクチャ,2つの特別な損失,3つの適応プロトコルにまたがる実験的検討を行った。 大規模なデータセット上で教師付きで事前訓練された畳み込みニューラルネットワークは、しばしば最高のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-08-12T19:38:35Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• Towards the generation of hierarchical attack models from cybersecurity vulnerabilities using language models [3.7548609506798494]
  本稿では、テキストベースのサイバーセキュリティ脆弱性データ間の兄弟関係を識別するために、事前訓練された言語モデルとサイムズネットワークを用いて検討する。
  論文  参考訳（メタデータ） (2024-10-07T13:05:33Z)
• Enhancing Cyber Security Through Predictive Analytics: Real-Time Threat Detection and Response [0.8883733362171032]
  本研究では,リアルタイムサイバー攻撃検出と応答に対する予測分析の適用性を評価する。 我々は,攻撃タイプ,パケット長,異常スコア,プロトコル使用量,位置情報パターンなどの重要な特徴を分析し,それらの予測値を評価した。
  論文  参考訳（メタデータ） (2024-07-15T16:11:34Z)
• Re-thinking Data Availablity Attacks Against Deep Neural Networks [53.64624167867274]
  本稿では、未学習例の概念を再検討し、既存のロバストな誤り最小化ノイズが不正確な最適化目標であることを示す。 本稿では,計算時間要件の低減による保護性能の向上を図った新しい最適化パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-18T04:03:51Z)
• An Operational Perspective to Fairness Interventions: Where and How to Intervene [9.833760837977222]
  フェアネス介入の評価と文脈化のための包括的枠組みを提案する。 予測パリティに関するケーススタディで、我々のフレームワークを実証する。 グループデータを使わずに予測パリティを実現することは困難である。
  論文  参考訳（メタデータ） (2023-02-03T07:04:33Z)

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。