論文の概要: GARAGE: Characterizing the Automation Boundary in LLM-based Attack Graph Generation

• arxiv url: http://arxiv.org/abs/2607.18108v1
• Date: Mon, 20 Jul 2026 16:08:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.699282
• Title: GARAGE: Characterizing the Automation Boundary in LLM-based Attack Graph Generation
• Title（参考訳）: GARAGE:LLMを用いたアタックグラフ生成における自動化境界の特徴付け
• Abstract要約: GarageはRAGベースのフレームワークで、断片化されたCTIを、自動アタックグラフ生成のための実行可能なドメイン固有の知識ベースに変換する。 12,786個のCVEと140個のインシデントレポートのデータセットをSTIX 2.1とAuto-ISAC ATM対応の知識ベースに合成する。 われわれの320のLeave-One-Out実験によると、このフレームワークはセキュリティに関する知識を、完全に見えない車両アーキテクチャに正確に転送できる。
• 参考スコア（独自算出の注目度）: 7.155811383351991
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While modern vehicle security depends on effective Cyber Threat Intelligence (CTI) synthesis, current automated tools struggle with unstructured data and automotive-specific architectural nuances. To bridge this gap, we introduce GARAGE, a RAG-powered framework that converts fragmented CTI into an actionable, domain-specific knowledge base for automated attack graph generation. GARAGE synthesizes a dataset of 12,786 CVEs and 140 incident reports into a STIX 2.1 and Auto-ISAC ATM-compliant knowledge base. By formalizing tactical-pattern-level scenarios through granular kill chain analysis, GARAGE achieves threat generation capabilities. Our 320 Leave-One-Out experiments reveal that the framework can accurately transfer security knowledge to entirely unseen vehicle architectures. Furthermore, we position GARAGE as a scalable TARA support tool within human-in-the-loop workflows, offering a comprehensive cost-performance analysis to guide its deployment across various LLM tiers.
• Abstract（参考訳）: 現代の車両のセキュリティは効果的なサイバー脅威インテリジェンス(CTI)合成に依存しているが、現在の自動化ツールは構造化されていないデータや自動車固有のアーキテクチャ上のニュアンスに悩まされている。 このギャップを埋めるために、RAGを利用したフレームワークであるGARAGEを導入し、断片化されたCTIを、自動攻撃グラフ生成のための実行可能なドメイン固有の知識ベースに変換する。 GARAGEは12,786個のCVEと140個のインシデントレポートのデータセットをSTIX 2.1とAuto-ISAC ATM対応の知識ベースに合成する。 グラニュラーキルチェーン分析による戦術的パターンレベルのシナリオの形式化によって、GARAGEは脅威生成機能を実現する。 われわれの320のLeave-One-Out実験によると、このフレームワークはセキュリティに関する知識を、完全に見えない車両アーキテクチャに正確に転送できる。 さらに、我々はGARAGEを人為的ループワークフローにおけるスケーラブルなTARAサポートツールとして位置づけ、様々なLCM層にまたがるデプロイメントをガイドするための総合的なコストパフォーマンス分析を提供する。

関連論文リスト

• Evaluating Open-Weight LLMs for Generating Structured Threat Information for Autonomous Vehicle Vulnerabilities [0.30915521808748864]
  我々は構造化脅威情報表現(STIX)を生成するためのオープンウェイト大言語モデル(LLM)を評価する。 我々は、脆弱性記述をSTIXドメインオブジェクト(SDO)、STIXオブジェクト(SRO)、Common Weaknession(CWE)、MITRE ATT&CK技術マッピングにマッピングするCAV-STIXと呼ばれるデータセットを構築した。
  論文  参考訳（メタデータ） (2026-07-17T17:55:19Z)
• Process-Mining of Hypertraces: Enabling Scalable Formal Security Verification of (Automotive) Network Architectures [0.0]
  自動車分野に合わせた強力な活発な敵モデルを導入する。 検証オーケストレーションアルゴリズムを導入することにより,セキュリティプロトコルの検証を可能にする。 本稿では,形式的検証とプロセスマイニングの新たな統合について述べる。
  論文  参考訳（メタデータ） (2026-04-23T12:28:28Z)
• AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration [49.050688065974605]
  メンバーシップ推論攻撃(MIAs)は、機械学習モデルにおけるトレーニングデータの漏洩を評価するための基本的な監査ツールである。 本稿では,自己探索と戦略進化の自動化プロセスとして,メンバーシップ推論を再構築するエージェントフレームワークであるAutoMIAを提案する。
  論文  参考訳（メタデータ） (2026-04-01T15:17:45Z)
• Constructing Multi-label Hierarchical Classification Models for MITRE ATT&CK Text Tagging [0.0]
  我々は、MITRE ATT&CKテキストタグタスクの「タスクスペース」の特徴付けを行う。 テキストタギングタスクのための多ラベル階層分類モデルを構築した。 私たちのモデルは、古典的な機械学習手法にのみ依存しながら、最先端のパフォーマンスを満たしたり、超えたりします。
  論文  参考訳（メタデータ） (2026-01-21T00:41:34Z)
• Automating Function-Level TARA for Automotive Full-Lifecycle Security [21.31114134291877]
  本稿では,コンポーネント固有の詳細と大規模言語モデル(LLM)を用いて関数レベルTARAを自動化する最初のシステムであるDefenseWeaverを紹介する。 DefenseWeaverは、拡張されたOpenXSAM++フォーマットで記述されたシステム構成から、攻撃木とリスク評価を動的に生成する。 私たちはDefenseWeaverを4つの自動車セキュリティプロジェクトへの展開を通じて検証し、11の重要な攻撃パスを特定しました。 人間の専門家と比較して、DefenseWeaverは6つのアセスメントシナリオで手動のアタックツリー生成を上回った。
  論文  参考訳（メタデータ） (2025-04-25T05:19:02Z)
• SafeAuto: Knowledge-Enhanced Safe Autonomous Driving with Multimodal Foundation Models [63.71984266104757]
  我々は、構造化されていない知識と構造化されていない知識の両方を取り入れることで、MLLMベースの自動運転を強化するフレームワークであるSafeAutoを提案する。 安全知識を明示的に統合するため,交通ルールを一階述語論理に変換する推論コンポーネントを開発した。 我々のマルチモーダル検索・拡張生成モデルは、過去の運転経験から学ぶために、ビデオ、制御信号、環境特性を活用する。
  論文  参考訳（メタデータ） (2025-02-28T21:53:47Z)
• CTINexus: Automatic Cyber Threat Intelligence Knowledge Graph Construction Using Large Language Models [49.657358248788945]
  サイバー脅威インテリジェンス(CTI)レポートのテキスト記述は、サイバー脅威に関する豊富な知識源である。 現在のCTI知識抽出法は柔軟性と一般化性に欠ける。 我々は,データ効率の高いCTI知識抽出と高品質サイバーセキュリティ知識グラフ(CSKG)構築のための新しいフレームワークであるCTINexusを提案する。
  論文  参考訳（メタデータ） (2024-10-28T14:18:32Z)
• CARACAS: vehiCular ArchitectuRe for detAiled Can Attacks Simulation [37.89720165358964]
  本稿では、CANメッセージによるコンポーネント制御やアタックインジェクション機能を含む車両モデルであるCARACASを紹介する。 CarACASは、バッテリ・エレクトリック・ビークル(BEV)モデルを含むこの手法の有効性を示し、2つの異なるシナリオでトルク制御を狙う攻撃に焦点を当てている。
  論文  参考訳（メタデータ） (2024-06-11T10:16:55Z)
• AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
  AutoActはQAのための自動エージェント学習フレームワークである。 大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
  論文  参考訳（メタデータ） (2024-01-10T16:57:24Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)
• Towards Automated Neural Interaction Discovery for Click-Through Rate Prediction [64.03526633651218]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最も重要な機械学習タスクの1つである。 本稿では,AutoCTR と呼ばれる CTR 予測のための自動インタラクションアーキテクチャ探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-29T04:33:01Z)

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。