論文の概要: Modeling Local Exploit Hazard - A Bayesian Framework for Quantifying Exploit Risk and Operational Efficiency

• arxiv url: http://arxiv.org/abs/2607.24618v1
• Date: Mon, 27 Jul 2026 16:15:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.508777
• Title: Modeling Local Exploit Hazard - A Bayesian Framework for Quantifying Exploit Risk and Operational Efficiency
• Title（参考訳）: ローカル・エクスプロイト・ハザードのモデル化 - エクスプロイトリスクと運用効率の定量化のためのベイズ的枠組み
• Authors: Stephen Shaffer, Laura Voicu,
• Abstract要約: ローカル・エクスプロイト・ハザード・モデルは、エクスプロイト・ハザード・モデルによって生成されたグローバル・確率を、組織自身の資産に対する日々のエクスプロイト・ハザード・レートに変換する。 モデルは、確率分布としてデプロイされた制御の悪用防止効果を測定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper presents a local exploit hazard model : a Bayesian framework that converts the global probabilities produced by an exploit likelihood model (ELM), such as the Exploit Prediction Scoring System (EPSS), into a daily exploit hazard rate for an organization's own assets. The model measures the exploit-prevention effectiveness of deployed controls as a probability distribution. That distribution is seeded from a subject-matter-expert opinion pool and updated through Beta-Binomial inference from telemetry, breach-and-attack simulation, or penetration testing, then applied to ELM scores by attack-vector alignment. The resulting per-vulnerability exploitation likelihoods are converted into hazard rates using standard survival-analysis techniques, supporting both a constant exponential hazard and a Weibull hazard whose shape parameter, calibrated from Known Exploited Vulnerabilities catalog timing, captures the empirical decay of exploitation risk as a vulnerability ages. Because hazards are additive under independence, per-vulnerability rates aggregate by summation up to host, network, business unit, and organization. Candidate remediation actions are simulated and ranked by projected hazard reduction, giving defenders a defensible, quantitative basis for prioritization under fixed capacity. Future work includes extensions for incident likelihood and financial loss modeling.
• Abstract（参考訳）: 本稿では,エクスプロイト予測スコアシステム(EPSS)のような,エクスプロイト可能性モデル(ELM)が生み出すグローバルな確率を,組織自身の資産に対する毎日のエクスプロイトハザードレートに変換するベイズ的枠組みを提案する。 このモデルは,デプロイされた制御の悪用防止効果を確率分布として測定する。 この分布は、被検体-専門家の意見プールからシードされ、テレメトリー、侵害・攻撃シミュレーション、浸透試験からベータ・バイノミアル推論によって更新され、攻撃ベクトルアライメントによりEMMスコアに適用される。 その結果, 一定の指数的ハザードと, Known Exploited Vulnerabilitiesカタログのタイミングからキャリブレーションしたワイブルハザードの両方をサポートし, エクスプロイトリスクの実証的崩壊を脆弱性年齢として捉えた。 ハザードは独立の下で追加されるので、ホスト、ネットワーク、ビジネスユニット、組織に至るまでの総和によって、ハザードごとのハザードレートが集約されます。 候補の修復行動は、予測されたハザード低減によってシミュレーションされ、ランク付けされ、防御者に一定の能力下での優先順位付けの防御的で定量的な基礎を与える。 今後の作業には、インシデント可能性と財務損失モデリングの拡張が含まれる。

関連論文リスト

• Capability Minimization as a Safety Primitive: Risk-Aware Causal Gating for Least-Privilege LLM Agents [0.0]
  Risk-Aware Causal Gating (RACG) は、モデルの予測から行動するか、延期するかを判断するフレームワークである。 RACGは、候補行動から結果への因果経路をモデル化し、予測された対実リスクに応じて各決定をゲートする。 RACGは,非ゲートポリシーの効用の大部分を保ちながら,コストエラーを大幅に低減することを示す。
  論文  参考訳（メタデータ） (2026-06-11T20:19:35Z)
• Hagenberg Risk Management Process (Part 3): Operationalization, Probabilities, and Causal Analysis [0.0]
  本稿では,ボウイ図を形式的確率的実行モデルに拡張することにより,定性的リスク分析とリアルタイムリスク管理のギャップを埋める。 リアルタイムリスクスタジオはボウイ構造をベイズ推論に適した有向非巡回グラフ(DAG)に変換する。 Probability CaptureはDAGモデルからアンケートを自動的に生成し、専門家が見積もることができる。
  論文  参考訳（メタデータ） (2026-04-10T09:40:07Z)
• Steering Externalities: Benign Activation Steering Unintentionally Increases Jailbreak Risk for Large Language Models [62.16655896700062]
  活性化ステアリングは大規模言語モデル(LLM)の有用性を高める技術である 重要かつ過度に調査された安全リスクを無意識に導入することを示します。 実験によると、これらの介入は強制乗算器として機能し、ジェイルブレイクに新たな脆弱性を発生させ、標準ベンチマークで攻撃成功率を80%以上向上させる。
  論文  参考訳（メタデータ） (2026-02-03T12:32:35Z)
• HARNESS: Human-Agent Risk Navigation and Event Safety System for Proactive Hazard Forecasting in High-Risk DOE Environments [7.1308204502418135]
  本稿では,危険事象の予測と運用リスクの分析を目的とした,モジュール型AIフレームワークを提案する。 HARNESSは大規模言語モデル(LLM)と構造化作業データ、過去のイベント検索、リスク分析を統合している。 ヒューマン・イン・ザ・ループ(Human-in-the-loop)メカニズムにより、サブジェクト・マター・エキスパート(SME)は予測を洗練し、適応的な学習ループを作成することができる。
  論文  参考訳（メタデータ） (2025-11-13T21:22:53Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• Cannot See the Forest for the Trees: Invoking Heuristics and Biases to Elicit Irrational Choices of LLMs [83.11815479874447]
  本研究では,人間の認知における認知的分解と偏見に触発された新しいジェイルブレイク攻撃フレームワークを提案する。 我々は、悪意のあるプロンプトの複雑さと関連バイアスを減らし、認知的分解を用いて、プロンプトを再編成する。 また、従来の二分的成功または失敗のパラダイムを超越したランキングベースの有害度評価指標も導入する。
  論文  参考訳（メタデータ） (2025-05-03T05:28:11Z)
• On the Impact of Uncertainty and Calibration on Likelihood-Ratio Membership Inference Attacks [42.18575921329484]
  我々は,情報理論の枠組みにおける可能性比攻撃(LiRA)の性能を解析する。 我々は、MIAの有効性に対する不確実性と校正の影響についての洞察を提供することを目的として、MIA敵の利点に基づいて境界を導出する。
  論文  参考訳（メタデータ） (2024-02-16T13:41:18Z)
• Safety Margins for Reinforcement Learning [53.10194953873209]
  安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。 Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
  論文  参考訳（メタデータ） (2023-07-25T16:49:54Z)
• Selecting Models based on the Risk of Damage Caused by Adversarial Attacks [2.969705152497174]
  規制、法的責任、社会的懸念は、安全およびセキュリティクリティカルなアプリケーションにおけるAIの採用に挑戦する。 重要な懸念の1つは、敵が検出されずにモデル予測を操作することで害を引き起こす可能性があることである。 本稿では,敵攻撃による被害の確率をモデル化し,統計的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-01-28T10:24:38Z)

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。