論文の概要: Practical Graph Optimisation and AI-Driven Models for Active Directory Security Hardening

• arxiv url: http://arxiv.org/abs/2607.22009v1
• Date: Fri, 24 Jul 2026 06:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.057743
• Title: Practical Graph Optimisation and AI-Driven Models for Active Directory Security Hardening
• Title（参考訳）: アクティブディレクトリセキュリティ強化のための実用的なグラフ最適化とAI駆動モデル
• Abstract要約: この論文は、ゲーム理論と最適化に基づく意思決定モデルについて研究し、提案する。 まず,最短経路数を最小化する原理に基づくハニーポット/デコイ配置モデルを提案する。 次に,このモデルに基づいてADグラフの動的・時間的性質を考慮した防衛戦略を導入する。 第3に,各ハイリスクアタックパスをメディエーションのためにIT管理者に問い合わせる適応的優先順位付けモデルを導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Microsoft's Active Directory (AD) is a directory service that enables the IT admin to manage security permissions and control access within a Windows domain network. As a core management system in many of organisation, AD has become a primary target for adversaries. While many solutions for hardening attack graphs exist, these efforts fall short in addressing several key practical challenges specific to the AD attack graph. First, existing models often assume the graph is static, whereas a real-world AD environment is highly dynamic. Second, most proposed solutions are limited to the defensive measure of revoking vulnerabilities (edge removal), while more active defence mechanisms are largely unstudied. Third, because not all remediations are implementable, a practical end-to-end model must incorporate system admin feedback into the prioritisation process. This thesis aims to address these limitations by studying and proposing a number of game-theoretic and optimisation-based decision-making models. First, we propose a honeypot/decoy placement model based on the principle of minimising the number of shortest paths and the number of Domain Admin-reachable nodes. Second, building on this model, we introduce a defence strategy that considers the dynamic/temporal nature of the AD graph, where the objective is to find the location to deploy decoys that maximises the worst-case incident response time. Third, we introduce an adaptive prioritisation model that queries each high-risk attack path to the IT administrator for mediation. Finally, we introduce an end-to-end adaptive prioritisation model that minimises the approval effort of the system admin by finding a general adaptive edge-removal policy that generalises the system admin's decisions to edges with similar risk features. We show that the problems underlying all of the contributed models are computationally intractable.
• Abstract（参考訳）: MicrosoftのActive Directory(AD)は、IT管理者がセキュリティ権限を管理し、Windowsドメインネットワーク内でアクセスを制御するディレクトリサービスである。 多くの組織における中核的な管理システムとして、ADは敵の主要な標的となっている。 攻撃グラフをハード化するためのソリューションは数多く存在するが、これらの取り組みはAD攻撃グラフに特有のいくつかの重要な実践的課題に対処するのに不足している。 まず、既存のモデルはグラフが静的であると仮定することが多いが、現実のAD環境は非常に動的である。 第二に、提案されたほとんどのソリューションは脆弱性を取り消すための防御措置に限られるが、よりアクティブな防御メカニズムはほとんど研究されていない。 第三に、すべての修正が実装可能であるわけではないので、実用的なエンドツーエンドモデルは、優先順位付けプロセスにシステム管理者のフィードバックを組み込まなければならない。 この論文は、ゲーム理論と最適化に基づく意思決定モデルの研究と提案によって、これらの制限に対処することを目的としている。 まず,最短経路数とドメインアドミン対応ノード数を最小化する原理に基づくハニーポット/デコイ配置モデルを提案する。 次に,このモデルに基づいて,ADグラフの動的・時間的特性を考慮した防衛戦略を導入する。 第3に,各ハイリスクアタックパスをメディエーションのためにIT管理者に問い合わせる適応的優先順位付けモデルを導入する。 最後に,システム管理者の判断を同様のリスク特徴を持つエッジに一般化する一般的な適応的エッジ除去ポリシーを見出すことにより,システム管理者の承認作業を最小化するエンドツーエンド適応優先順位付けモデルを提案する。 提案するモデルの根底にある問題は, 計算的に難解であることを示す。

関連論文リスト

• OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models [57.94189874119267]
  マルチエージェントシステム(MAS)は複雑な問題を解決するための強力なパラダイムを提供する。 現在のグラフ学習に基づく設計手法は、しばしば「1対1」のパラダイムに準拠している。 自然言語で記述されたタスクに対して適応的な協調グラフを生成する一対一のフレームワークOFA-TADを提案する。
  論文  参考訳（メタデータ） (2026-01-19T12:23:44Z)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)
• Co-Evolutionary Defence of Active Directory Attack Graphs via GNN-Approximated Dynamic Programming [9.704696173031714]
  我々は,Active Directoryにおける攻撃と防御の相互作用を,アダプティブアタックとプロアクティブディフェンダーの間のStackelbergゲームとしてモデル化する。 本稿では,GNNDP(Graph Neural Network Approximated Dynamic Programming)を併用して攻撃戦略をモデル化する,共進化型防衛フレームワークを提案する。 本フレームワークは,攻撃者や防御者の政策を洗練し,一般化を改善し,早期収束を防ぐ。
  論文  参考訳（メタデータ） (2025-05-16T21:37:50Z)
• Adaptive Wizard for Removing Cross-Tier Misconfigurations in Active Directory [4.2671394819888455]
  Windows Active Directory(AD)システムのセキュリティ脆弱性は通常、攻撃グラフを使用してモデル化される。 適応経路除去問題を定式化し、この反復除去プロセスにおけるステップ数を最小化する。 DPRと呼ばれる私たちのベストは、正確なアルゴリズムと比較して、より大規模なグラフで効果的に動作でき、全てのグラフで近似アルゴリズムより一貫して優れています。
  論文  参考訳（メタデータ） (2025-05-02T05:55:56Z)
• Unsupervised Parameter Efficient Source-free Post-pretraining [52.27955794126508]
  教師なしのUpStepを紹介します。 ソースドメインからターゲットドメインへのベースモデルを適応するための、ソースフリーのポストプレトレーニングアプローチ。 私たちは、Imagenetをベースモデルとして、教師付きおよび教師なしの両方でトレーニングされた、さまざまな一般的なバックボーンアーキテクチャを使用します。
  論文  参考訳（メタデータ） (2025-02-28T18:54:51Z)
• Uniformly Safe RL with Objective Suppression for Multi-Constraint Safety-Critical Applications [73.58451824894568]
  広く採用されているCMDPモデルは予測のリスクを制約しており、長い尾の州で危険な行動を起こす余地がある。 安全クリティカルな領域では、そのような行動は破滅的な結果をもたらす可能性がある。 本稿では,目標を最大化するタスク報酬を適応的に抑制する新しい手法であるObjective Suppressionを提案する。
  論文  参考訳（メタデータ） (2024-02-23T23:22:06Z)
• Planning-oriented Autonomous Driving [60.93767791255728]
  我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。 フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
  論文  参考訳（メタデータ） (2022-12-20T10:47:53Z)
• Efficient Domain Coverage for Vehicles with Second-Order Dynamics via Multi-Agent Reinforcement Learning [9.939081691797858]
  本稿では,2次動的エージェントを含む多エージェント効率ドメインカバレッジ問題に対する強化学習(RL)手法を提案する。 提案するネットワークアーキテクチャには,LSTMと自己注意が組み込まれている。
  論文  参考訳（メタデータ） (2022-11-11T01:59:12Z)
• Unsupervised and self-adaptative techniques for cross-domain person re-identification [82.54691433502335]
  非重複カメラにおける人物再識別(ReID)は難しい課題である。 Unsupervised Domain Adaptation(UDA)は、ソースで訓練されたモデルから、IDラベルアノテーションなしでターゲットドメインへの機能学習適応を実行するため、有望な代替手段です。 本稿では,新しいオフライン戦略によって生成されたサンプルのトリプレットを利用する,UDAベースのReID手法を提案する。
  論文  参考訳（メタデータ） (2021-03-21T23:58:39Z)

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。