論文の概要: Explainable AI-Driven Cyber Risk Analytics and Model Reliability Assessment for Intelligent Governance of U.S. Critical Infrastructure: An XGBoost and SHAP-Based Intrusion Detection Framework

• arxiv url: http://arxiv.org/abs/2606.05710v1
• Date: Thu, 04 Jun 2026 05:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.567126
• Title: Explainable AI-Driven Cyber Risk Analytics and Model Reliability Assessment for Intelligent Governance of U.S. Critical Infrastructure: An XGBoost and SHAP-Based Intrusion Detection Framework
• Title（参考訳）: 説明可能なAI駆動型サイバーリスク分析と米国クリティカルインフラストラクチャのインテリジェントガバナンスのためのモデル信頼性評価:XGBoostとSHAPベースの侵入検出フレームワーク
• Authors: B. M. Taslimul Haque, Md. Arifur Rahman, Md. Serajul Kabir Chowdhury Rubel, Md. Iqbal Hossan,
• Abstract要約: 本研究は、侵入検知システムモデルの開発とテストのためのCICIDS 2017データセットと、機械学習に基づくサイバーリスク予測モデルに基づく。 提案フレームワークは,精度,精度,リコール,F1スコア,ROC-AUC,偽陽性率など,さまざまなパフォーマンス指標を持つことにより,モデルの信頼性とレジリエンスを示す。
• 参考スコア（独自算出の注目度）: 0.8496907566303933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing penetrations of the critical infrastructure sector in the United States with intelligent digital technologies have greatly increased exposure to advanced cyber adversaries and operational vulnerabilities. AI-powered governance and automated decision-making systems are becoming a key part of the operation of critical infrastructure systems, including energy, healthcare, transportation, financial services, and communication infrastructure, in order to improve efficiency and strategic management. The growing cyber threat environment, such as Distributed Denial of Service (DDos) attacks, botnets, ransomware, and Advanced Persistent Threats (APTs) pose significant challenges to infrastructure resilience, cyber security reliability, and governance trustworthiness. In a changing attack landscape and dynamic network environment, traditional cybersecurity mechanisms can often fall short of meeting the evolving needs and protecting critical systems. This study will develop a resilient cyber risk analytics and model reliability assessment framework to support intelligent governance and decision support for cyber risk exposure in the U.S. critical infrastructure environment. This study is based on the CICIDS2017 dataset for the development and testing of intrusion detection system models and cyber risk prediction models based on machine learning. Various classifiers like XGBoost, Random Forest, and Decision Tree are used to detect malicious activities on the network and determine the level of cyber risk. Furthermore, the Explainable Artificial Intelligence (XAI) techniques are integrated to enhance transparency, interpretability, and trust in cybersecurity decision-making processes. The proposed framework presents the reliability and resilience of the model by having various performance measures such as accuracy, precision, recall, F1 score, ROC-AUC, and false positive rate.
• Abstract（参考訳）: 米国における知的デジタル技術による重要なインフラストラクチャー分野の浸透が増加し、先進的なサイバー敵や運用上の脆弱性への露出が大幅に増加した。 AIによるガバナンスと自動意思決定システムは、効率と戦略的管理を改善するために、エネルギー、医療、交通、金融サービス、通信インフラを含む重要なインフラシステムの運用において重要な部分となっている。 DDos(Distributed Denial of Service)攻撃、ボットネット、ランサムウェア、Advanced Persistent Threats(APT)といったサイバー脅威環境は、インフラストラクチャのレジリエンス、サイバーセキュリティの信頼性、ガバナンスの信頼性に重大な課題をもたらしている。 攻撃環境の変化と動的ネットワーク環境において、従来のサイバーセキュリティメカニズムは、進化するニーズを満たし、重要なシステムを保護するのに足りていない場合が多い。 本研究は、米国の重要インフラ環境におけるサイバーリスク暴露のためのインテリジェントガバナンスと意思決定支援を支援する、レジリエントなサイバーリスク分析とモデル信頼性評価フレームワークを開発する。 本研究は、侵入検知システムモデルの開発とテストのためのCICIDS2017データセットと、機械学習に基づくサイバーリスク予測モデルに基づく。 XGBoost、Random Forest、Decision Treeといった様々な分類器は、ネットワーク上の悪意ある活動を検出し、サイバーリスクのレベルを決定するために使用される。 さらに、説明可能な人工知能(XAI)技術は、透明性、解釈可能性、およびサイバーセキュリティ意思決定プロセスへの信頼を高めるために統合されている。 提案フレームワークは,精度,精度,リコール,F1スコア,ROC-AUC,偽陽性率など,さまざまなパフォーマンス指標を持つことにより,モデルの信頼性とレジリエンスを示す。

関連論文リスト

• Hybrid CNN-LSTM Framework for Intelligent Cyber Attack Detection and Prevention in U.S. Critical Digital Infrastructure: A Comparative Machine Learning Evaluation on CSE-CIC-IDS2018 [0.8496907566303933]
  本研究は、人工知能(AI)と機械学習(ML)アルゴリズムを利用した、スマートサイバー防御システムを提案する。 提案するフレームワークは、データ前処理、機能エンジニアリング、リアルタイムトラフィック監視、インテリジェント脅威分類と自動防止機構を組み合わせたものである。
  論文  参考訳（メタデータ） (2026-06-04T05:14:01Z)
• Cognitive Threat Intelligence and Explainable Federated Security Analytics for distributed Infrastructure Systems [0.8496907566303933]
  本研究では,分散インフラストラクチャシステムを対象とした認知脅威情報と説明可能なフェデレートセキュリティ分析フレームワークを提案する。 提案するフレームワークは、フェデレートラーニング(FL)、説明可能な人工知能(XAI)、認知サイバーセキュリティ分析を統合し、協調的かつプライバシー保護のサイバー脅威検出を可能にする。 インテリジェントな脅威分析を強化するため、フレームワークにはRandom Forest、XGBoost、Autoencoderといった機械学習とディープラーニングアルゴリズムが組み込まれている。
  論文  参考訳（メタデータ） (2026-06-04T04:41:53Z)
• CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities [66.48570184296857]
  CyberGym-E2Eは大規模かつ現実的なエンドツーエンドのサイバーセキュリティベンチマークである。 脆弱性発見、PoC生成、パッチ生成の全ライフサイクルにわたって、AIエージェントの能力を包括的に評価する。 ベンチマークは、139の異なるオープンソースプロジェクトで920の現実世界の脆弱性で構成されている。
  論文  参考訳（メタデータ） (2026-06-03T05:06:37Z)
• Impact of Intelligent Technologies on IoV Security: Integrating Edge Computing and AI [43.101093203101776]
  本稿では、IoVセキュリティフレームワークの強化におけるエッジコンピューティング(EC)、機械学習(ML)、ディープラーニング(DL)の役割について調査する。 これらの技術間の相乗効果を調べ、脅威検出、応答時間、適応セキュリティの強化に対する個々の能力とそれらの集団的影響を強調します。 この論文は、IoVセキュリティのさらなる進歩に向けた重要な研究ギャップと今後の方向性を明らかにし、スケーラブルでプライバシー保護のソリューションの必要性や、新たなサイバー脅威に対する堅牢な防御メカニズムの必要性も挙げている。
  論文  参考訳（メタデータ） (2026-04-11T06:25:38Z)
• Adaptive Cybersecurity Architecture for Digital Product Ecosystems Using Agentic AI [0.0]
  本研究では,動的学習と文脈認識型意思決定が可能な自律目標駆動エージェントを提案する。 行動ベースライン、分散リスクスコア、フェデレーションされた脅威情報共有は重要な特徴である。 このアーキテクチャは、複雑なデジタルインフラストラクチャを保護するインテリジェントでスケーラブルな青写真を提供する。
  論文  参考訳（メタデータ） (2025-09-25T00:43:53Z)
• Autonomous AI-based Cybersecurity Framework for Critical Infrastructure: Real-Time Threat Mitigation [1.4999444543328293]
  我々は、リアルタイムの脆弱性検出、脅威モデリング、自動修復を強化するためのハイブリッドAI駆動型サイバーセキュリティフレームワークを提案する。 我々の発見は、新興のサイバー脅威に対する重要なインフラシステムのセキュリティとレジリエンスを強化するための実用的な洞察を提供する。
  論文  参考訳（メタデータ） (2025-07-10T04:17:29Z)
• Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation [42.350737545269105]
  サイバー物理パワーシステムの複雑さは 攻撃面を大きくし 悪質なアクターに悪用される 我々は,これらのリスクを,サイバーパワーシステムを記述する宣言的アプローチで満たし,セキュリティと安全性の制御を自動的に評価することを提案する。
  論文  参考訳（メタデータ） (2025-06-14T12:07:44Z)
• Frontier AI's Impact on the Cybersecurity Landscape [46.32458228179959]
  AIはすでに攻撃に広く使われているが、その防衛用途は限られている。 専門家はAIが攻撃者を擁護し続けると予想しているが、そのギャップは徐々に狭まるだろう。
  論文  参考訳（メタデータ） (2025-04-07T18:25:18Z)
• 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)

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。