論文の概要: Sample-Efficient LLM-Based Detection of Malicious Web Server Logs with Forensically Explainable Reasoning

• arxiv url: http://arxiv.org/abs/2606.08649v1
• Date: Sun, 07 Jun 2026 14:28:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.314295
• Title: Sample-Efficient LLM-Based Detection of Malicious Web Server Logs with Forensically Explainable Reasoning
• Title（参考訳）: 予測可能な推論を用いたLLMによる悪意Webサーバログの検出
• Authors: Bernhard Kneip, Nhien-An Le-Khac, Hong-Hanh Nguyen-Le,
• Abstract要約: CEF-Logは、大規模言語モデルのための、コンテキスト強化されたいくつかのショットチェーンである。 CEF-Logは、構造化された5ステップの推論テンプレートを通じて専門家による調査手法を組み込む。 ForenWebLogは、実世界のアタックシーケンスとマルチステップアタックシーケンスを組み込んだ、新しいデータセットである。
• 参考スコア（独自算出の注目度）: 1.2999413717930817
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Forensic analysis of web server logs demands both accurate detection and human-readable explanations that can satisfy legal requirements. We present CEF-Log, a context-enhanced few-shot chain-of-thought prompting strategy for Large Language Models that addresses this dual requirement. CEF-Log embeds expert investigative methodology through a structured five-step reasoning template, enabling the model to learn \textit{how} to analyze logs rather than \textit{what} patterns to memorize. Experimental evaluation demonstrates that CEF-Log achieves an F1-score of 0.99 on the CSIC 2010 dataset using only four examples while providing a $10\times$ improvement in sample efficiency compared to other prompting-based methods. We also introduce ForenWebLog, a new dataset that incorporates real-world attacks and multi-step attack sequences for comprehensive evaluation. Qualitative analysis confirms that CEF-Log generates traceable, accurate explanations suitable for forensic documentation, addressing the critical "black-box" limitation of traditional machine learning approaches.
• Abstract（参考訳）: Webサーバログの法医学的分析は、法的要件を満たすことができる正確な検出と人間可読な説明の両方を要求する。 CEF-Logは、この2つの要件に対処する大規模言語モデルのための、文脈的に強化された数ショットのチェーン・オブ・シークレット戦略である。 CEF-Logは、構造化された5ステップの推論テンプレートを通じて専門家による調査手法を組み込み、モデルが \textit{how} を学習して、 \textit{what} パターンではなくログを分析して記憶することを可能にする。 CEF-Logは、CSIC 2010データセットのF1スコア0.99をわずか4つの例で達成し、他のプロンプトベースの手法と比較して10\times$のサンプル効率向上を実現している。 我々はまた、実世界の攻撃と多段階攻撃シーケンスを包括的評価に組み込んだ新しいデータセットであるForenWebLogを紹介した。 定性的な分析により、CEF-Logは、従来の機械学習アプローチの重要な"ブラックボックス"制限に対処して、法医学的なドキュメントに適した、トレーサブルで正確な説明を生成する。

関連論文リスト

• DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
  本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。 ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
  論文  参考訳（メタデータ） (2026-04-14T14:39:26Z)
• LLM4Log: A Systematic Review of Large Language Model-based Log Analysis [7.098062225687816]
  大規模言語モデル(LLM)は、意味的一般化とクロスソースエビデンスの統合を可能にすることにより、ログ分析を再構築した。 LLMはまた、コンテキスト制限、レイテンシ/コスト、プライバシ制約、幻覚といったデプロイメントリスクも導入している。 本稿では,LLMを用いたエンドツーエンドパイプラインにおけるログ解析の体系的レビューを行う。
  論文  参考訳（メタデータ） (2026-03-18T20:34:58Z)
• LogicLens: Visual-Logical Co-Reasoning for Text-Centric Forgery Analysis [10.305807834419765]
  テキスト中心の偽造は、社会保障と情報認証に重大な脅威をもたらす。 テキスト中心の偽造分析の現在の手法は、粗い粒度の視覚分析に限られることが多い。 LogicLens は Visual-Textual Co-reasoning のための統合フレームワークである。
  論文  参考訳（メタデータ） (2025-12-25T03:02:27Z)
• Log Anomaly Detection with Large Language Models via Knowledge-Enriched Fusion [0.0]
  EnrichLogは、トレーニングなし、エントリベースの異常検出フレームワークである。 コーパス固有の知識とサンプル固有の知識の両方で、生ログエントリを豊かにする。 大規模システムログベンチマークのデータセットを4つ評価した。
  論文  参考訳（メタデータ） (2025-12-12T19:24:54Z)
• R-Log: Incentivizing Log Analysis Capability in LLMs via Reasoning-based Reinforcement Learning [19.713020881817588]
  R-Logは、人間のエンジニアの構造的、ステップバイステップの分析プロセスを反映した、推論に基づく新しいパラダイムである。 R-Logは、手動のO&Mプラクティスから13の戦略によってガイドされた、2k以上の推論トラジェクトリのキュレートデータセットで最初にコールドスタートされる。 実世界のログに対する実証的な評価は、R-Logが5つのログ解析タスクで既存のメソッドより優れていることを示している。
  論文  参考訳（メタデータ） (2025-09-30T09:19:31Z)
• LogicAsker: Evaluating and Improving the Logical Reasoning Ability of Large Language Models [63.14196038655506]
  大規模言語モデル(LLM)の論理的推論能力を評価・拡張するための新しいアプローチであるLogicAskerを紹介する。 提案手法は, LLMが論理規則を学習する際の大きなギャップを明らかにし, 異なるモデル間で29%から90%の推論失敗を識別する。 GPT-4oのようなモデルにおける論理的推論を最大5%向上させることで、これらの知見を活用して、ターゲットとなる実演例と微調整データを構築した。
  論文  参考訳（メタデータ） (2024-01-01T13:53:53Z)
• Bidirectional Encoder Representations from Transformers (BERT): A sentiment analysis odyssey [0.0]
  本研究は,(1)高度で広く使用されている4つの感情分析技術の相対的有効性,(2)テキストデータからの感情分析における事前学習型深層学習 BERT モデルの有効性について考察した。 我々は、インターネット映画データベース(IMDB)に投稿された5万本の映画レビューのコーパスを、Sent WordNetレキシコン、ロジスティック回帰、LSTM、BERTを用いて解析するために公開している。
  論文  参考訳（メタデータ） (2020-07-02T14:23:57Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。