論文の概要: A Bayesian Network Approach for Enhancing Security-Focused Decision Support Systems
- arxiv url: http://arxiv.org/abs/2606.10782v1
- Date: Tue, 09 Jun 2026 12:35:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-10 15:40:58.493796
- Title: A Bayesian Network Approach for Enhancing Security-Focused Decision Support Systems
- Title（参考訳）: ベイジアンネットワークによるセキュリティ指向意思決定支援システムの強化
- Authors: Carolina Fernández-Martínez, Shuaib Siddiqui, Vanesa Daza,
- Abstract要約: 本研究は,セキュリティアプローチの選択を通じてインフラ運用者を支援するための意思決定支援システム (DSS) を提案する。
このフレームワークは、異なるドメインのセキュリティトリドに関するエンドユーザのハイレベルな要求を簡単にキャプチャする。
指定されたモデル上で推論を実行し、そのようなニーズに合ったツールを提供する。
- 参考スコア（独自算出の注目度）: 1.6440434996206623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The adoption and integration of heterogeneous stacks in most of today's open-source based networks brings clear benefits like interoperability and availability of advanced features. Yet, on the other hand the increasing number of interconnecting components and moving parts requires maintaining an ever increasing base of interdisciplinary knowledge of different tools in different domains to ensure proper operation. To alleviate such efforts, this work proposes a Decision Support System (DSS) to guide infrastructure operators through the selection of security approaches (e.g. tools) to adopt in their environments. This framework easily captures the end-user high-level requirements on the security triad for different domains and runs inference on the designated models to provide the identified tools (security mechanisms) that better serve such needs. The presented DSS aims at delivering an understandable and extensible framework to accommodate varying requirements and Bayesian Network (BN) models. The architecture and modelling of the system are proposed, aligned with its theoretical framework. Its performance is evaluated in terms of time and prediction accuracy.
- Abstract（参考訳）: 今日のオープンソースベースのネットワークの大部分における異種スタックの採用と統合は、相互運用性や高度な機能の可用性といった明確なメリットをもたらします。
一方で、相互接続コンポーネントや可動部品の増加は、適切な操作を確保するために、異なるドメインの異なるツールの学際的知識の基盤を継続的に維持する必要がある。
このような取り組みを緩和するため, インフラ運用者に対して, 環境に導入するためのセキュリティアプローチ(例えばツール)の選択を通じて, インフラ運用者を支援するための意思決定支援システム(DSS)を提案する。
このフレームワークは、異なるドメインのセキュリティトリアードに関するエンドユーザの高レベルな要件を容易に把握し、指定されたモデル上で推論を実行して、そのようなニーズに合ったツール(セキュリティメカニズム)を提供する。
提案されたDSSは,さまざまな要件とBayesian Network(BN)モデルに対応する,理解可能な拡張可能なフレームワークの提供を目標としている。
システムのアーキテクチャとモデリングは、その理論的枠組みに沿って提案されている。
その性能は時間と予測精度で評価される。
関連論文リスト
- Resource-Aware Deployment Optimization for Collaborative Intrusion Detection in Layered Networks [2.63128125113531]
サイバー攻撃に対抗するために、CIDS(Collaborative Intrusion Detection Systems)がますます採用されている。
分散クリティカルインフラストラクチャは、民間ドメインと軍事ドメインの両方のドローンのような急速に進化する環境で運用されるため、これらの動的変化に柔軟に対応可能なCIDSアーキテクチャの必要性はますます高まっている。
多様な分散環境にまたがるデプロイを容易にするための新しいCIDSフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-12T11:42:58Z) - Adaptation of Agentic AI [162.63072848575695]
我々は、急速に拡大する研究環境を、エージェント適応とツール適応の両方にまたがる体系的な枠組みに統一する。
エージェントAIにおける適応戦略の設計空間を明らかにする上で,本フレームワークが有効であることを示す。
次に、各カテゴリの代表的アプローチをレビューし、その強みと限界を分析し、主要なオープン課題と今後の機会を強調します。
論文 参考訳（メタデータ） (2025-12-18T08:38:51Z) - DMAS-Forge: A Framework for Transparent Deployment of AI Applications as Distributed Systems [40.13116269064259]
DMAS-Forgeは,AIエージェントを分散システムとしてデプロイし,テストするためのフレームワークである。
我々は、DMAS-Forgeのビジョン、設計原則、プロトタイプを提示する。
論文 参考訳（メタデータ） (2025-10-13T19:31:38Z) - JoyAgent-JDGenie: Technical Report on the GAIA [27.025464023889853]
大規模言語モデルは、複雑な現実世界のタスクのための自律的なエージェントとして、ますます多くデプロイされている。
本稿では,計画および実行エージェントを批判モデル投票と統合する汎用エージェントアーキテクチャ,作業層,意味層,手続き層にまたがる階層型メモリシステム,検索,コード実行,マルチモーダル解析のための洗練されたツールスイートを提案する。
論文 参考訳（メタデータ） (2025-10-01T04:41:58Z) - Bayesian and Multi-Objective Decision Support for Real-Time Cyber-Physical Incident Mitigation [6.852472228194646]
本研究では,サイバー物理システムにおけるサイバーインシデントを軽減するためのリアルタイム適応型意思決定支援フレームワークを提案する。
重要なインフラにおけるこれらのシステムへの依存の高まりと、敵の戦術の進化に対応するために開発された。
論文 参考訳（メタデータ） (2025-08-31T09:47:38Z) - SoK: The Security-Safety Continuum of Multimodal Foundation Models through Information Flow and Game-Theoretic Defenses [58.93030774141753]
MFM(Multimodal foundation model)は、多種多様なデータモダリティを統合し、複雑で広範囲なタスクをサポートする。
本稿では,モデル行動とシステムレベルの相互作用の両方から生じる致命的な脅威を特定することで,MFMの文脈における安全性とセキュリティの概念を統一する。
論文 参考訳（メタデータ） (2024-11-17T23:06:20Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳（メタデータ） (2021-06-03T16:45:40Z) - Platform for Situated Intelligence [19.208956579428296]
マルチモーダルな統合型AIシステムの迅速な開発と研究を支援するために開発されたオープンソースのフレームワークです。
このフレームワークは、異なるモダリティにわたるデータの一時的なストリームから推論を検知、融合、作成するためのインフラストラクチャを提供する。
論文 参考訳（メタデータ） (2021-03-29T22:30:15Z) - A general framework for defining and optimizing robustness [74.67016173858497]
分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。
我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。
我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
論文 参考訳（メタデータ） (2020-06-19T13:24:20Z)
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。