論文の概要: Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection

• arxiv url: http://arxiv.org/abs/2607.04292v1
• Date: Sun, 05 Jul 2026 13:08:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.884564
• Title: Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection
• Title（参考訳）: Agentic SABRE:適応ランサムウェア検出のための不確実性認識型ニューロシンボリック多エージェントフレームワーク
• Abstract要約: ランサムウェアは複雑で適応的で素早く動く敵カテゴリーへと進化してきた。 本稿では,適応型ランサムウェア検出のための不確実性認識,ニューロシンボリック,マルチエージェントフレームワークであるAgenic SABREを提案する。
• 参考スコア（独自算出の注目度）: 0.8564319625930894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ransomware has evolved into a complex, adaptive, and fast-moving adversary category in which static signatures and monolithic classifiers fail to generalise under concept drift, evasion, and behavioural polymorphism. In this paper, we present Agentic SABRE (Semantic-Behavioural Arbitration for Ransomware Evaluation), an uncertainty-aware, neuro-symbolic, multi-agent framework for adaptive ransomware detection. SABRE fuses semantic, representation-based evidence with behavioural, time-window forensic telemetry and employs Monte Carlo Dropout inference to quantify epistemic uncertainty for each agent. We introduce a decision-layer orchestrator that performs risk- and uncertainty-aware triage using two interpretable thresholds: a risk score and an uncertainty budget. High-confidence, high-risk samples are automatically contained, while uncertain or borderline cases are escalated to human analysts, establishing a flexible computational contract between autonomous response and analyst oversight. To support auditability and trust, SABRE integrates post-hoc explainability mechanisms, including gradient saliency, permutation importance, and counterfactual analysis, enabling both local and global interpretation of agent decisions. Extensive evaluation on RDset and RanSMAP demonstrates that Agentic SABRE preserves perfect discrimination on saturated semantic datasets, with AUC equal to 1.0, while improving robustness under weak behavioural signals. It achieves up to a 4.9 percent relative reduction in false escalations at equal recall while maintaining calibrated predictive uncertainty. Counterfactual analysis further shows that semantic and behavioural decisions can be reversed with bounded perturbation cost, indicating stable and interpretable decision boundaries.
• Abstract（参考訳）: ランサムウェアは、静的シグネチャとモノリシックな分類器が概念のドリフト、回避、行動多型の下で一般化できない、複雑で適応的で素早く動く敵カテゴリーへと進化してきた。 本稿では,適応型ランサムウェア検出のための不確実性認識,神経シンボリック,マルチエージェントフレームワークであるエージェントSABRE(Semantic-Behavioural Arbitration for Ransomware Evaluation)を提案する。 SABREは、意味的、表現に基づくエビデンスを行動学的、タイムウインドウの法医学的テレメトリーと融合させ、モンテカルロ・ドロップアウト推定を用いて、各エージェントの疫学的不確かさを定量化する。 本稿では,リスクスコアと不確実性予算という2つの解釈可能なしきい値を用いて,リスクと不確実性を考慮したトリアージを行う決定層オーケストレータを提案する。 高信頼で高リスクなサンプルは自動的に含まれ、不確実なケースや境界線のケースは人間のアナリストにエスカレートされ、自律応答とアナリストの監視の間の柔軟な計算契約が確立される。 監査可能性と信頼を支援するため、SABREは、勾配の順応、置換の重要性、および反事実分析を含むポストホック説明可能性メカニズムを統合し、エージェント決定の局所的およびグローバル的解釈を可能にする。 RDsetとRanSMAPの広範囲な評価は、エージェントSABREが飽和セマンティックデータセットの完全な識別を保ち、AUCは1.0に等しい一方で、弱い行動信号下での堅牢性を改善していることを示している。 キャリブレーションされた予測の不確実性を保ちながら、同じリコールで偽エスカレーションを4.9%減少させる。 対実解析により、意味的および行動的決定は、安定かつ解釈可能な決定境界を示す境界摂動コストで逆転可能であることが示される。

関連論文リスト

• Semantic Uncertainty-Guided Orchestration in Hierarchical Multi-Agent Systems [11.562923882714095]
  本稿では,意味的不確実性を考慮したオーケストレーション手法HASSUMを提案する。 セマンティックエントロピーとセマンティック密度を用いて不確実性を推定し、これは出力確率ではなく、回答セマンティクスのレベルで信頼を測定する。 このアプローチは特定のエージェントアーキテクチャとは独立して動作するため、広範囲の階層的および協調的なマルチエージェントシステムに統合することができる。
  論文  参考訳（メタデータ） (2026-08-11T03:55:53Z)
• Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning [63.24624171679711]
  大規模言語モデル(LLM)ベースのエージェントは、しばしば最適なツール使用の決定を行う。 本研究では、不確実性分離を維持するための推進力として、不確実性定量化を報酬設計に組み込んだTRUSTを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:08:34Z)
• Measuring Prediction Uncertainty in Neural Cellular Automata [38.63800020586351]
  NCAをベースとした医用画像セグメンテーションにおける不確実性評価について検討した。 提案手法は,NCAを,収束性アトラクタが確実な予測に対応する動的システムとみなすことによって動機づけられた。
  論文  参考訳（メタデータ） (2026-05-26T09:05:03Z)
• Quantifiable Uncertainty: A Stochastic Consensus Multi-Agent RAG Framework for Robust Malware Detection [1.2183405753834562]
  本稿では,マルウェア解析をセマンティックコード検索と確率的検証に分離するフレームワークMAGMAを提案する。 MAGMAは98.4%の検知率を示し,既存の解よりもかなり高い値を示した。
  論文  参考訳（メタデータ） (2026-05-08T18:46:24Z)
• UAU-Net: Uncertainty-aware Representation Learning and Evidential Classification for Facial Action Unit Detection [9.627381138509422]
  UAU-Netは不確実性を認識したAU検出フレームワークで、両方の段階で不確実性を明示的にモデル化する。 BP4DとdisFAの実験により、UAU-Netは強力なAU検出性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-04-23T02:47:24Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
  EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。 最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-04-17T13:27:11Z)
• ThreatFormer-IDS: Robust Transformer Intrusion Detection with Zero-Day Generalization and Explainable Attribution [0.0]
  IoTおよび産業ネットワークの侵入検出には、進化するトラフィックと限定されたラベルの下で信頼性を維持しながら、低い偽陽性率で稀な攻撃を検出できるモデルが必要である。 本研究では,トランスフォーマーをベースとしたシーケンシャルモデリングフレームワークThreatFormer-IDSを提案する。 時系列評価を備えたToN IoTベンチマークでは、ThreatFormer-IDSがAUCROC 0.994、AUC-PR 0.956、Recall@1%FPR 0.910を達成した。
  論文  参考訳（メタデータ） (2026-02-26T23:20:42Z)
• Agentic Uncertainty Quantification [76.94013626702183]
  本稿では,言語化された不確実性をアクティブな双方向制御信号に変換する統合されたデュアルプロセスエージェントUQ(AUQ)フレームワークを提案する。 システム1(Uncertainty-Aware Memory, UAM)とシステム2(Uncertainty-Aware Reflection, UAR)は、これらの説明を合理的な手段として利用し、必要な時にのみターゲットの推論時間解決をトリガーする。
  論文  参考訳（メタデータ） (2026-01-22T07:16:26Z)
• From Passive Metric to Active Signal: The Evolving Role of Uncertainty Quantification in Large Language Models [77.04403907729738]
  このサーベイは、受動的診断基準からリアルタイムモデル動作を導くアクティブ制御信号への不確実性の進化をグラフ化する。 3つのフロンティアにまたがるアクティブ制御信号として不確実性がいかに活用されているかを示す。 この調査は、次世代のスケーラブルで信頼性があり、信頼できるAIを構築するためには、新しい不確実性のトレンドを習得することが不可欠である、と論じている。
  論文  参考訳（メタデータ） (2026-01-22T06:21:31Z)
• Decision-Aware Trust Signal Alignment for SOC Alert Triage [0.0]
  本稿では,SOC警告トリアージの信頼信号対応方式を提案する。 このフレームワークは、調整済みの信頼性、軽量不確実性、そしてコストに敏感な決定しきい値をコヒーレントな決定支持層に組み合わせている。 信頼度が不一致な表示によって偽陰性が大幅に増幅されるのに対し、コスト重み付き損失は決定整合信頼信号を持つモデル間での桁違いに減少することを示す。
  論文  参考訳（メタデータ） (2026-01-08T01:41:54Z)
• Exploring Robustness of Unsupervised Domain Adaptation in Semantic Segmentation [74.05906222376608]
  クリーンな画像とそれらの逆の例との一致を、出力空間における対照的な損失によって最大化する、逆向きの自己スーパービジョンUDA(ASSUDA)を提案する。 i) セマンティックセグメンテーションにおけるUDA手法のロバスト性は未解明のままであり, (ii) 一般的に自己スーパービジョン(回転やジグソーなど) は分類や認識などのイメージタスクに有効であるが, セグメンテーションタスクの識別的表現を学習する重要な監視信号の提供には失敗している。
  論文  参考訳（メタデータ） (2021-05-23T01:50:44Z)

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。