論文の概要: A Structuration Approach to Theorizing Cybersecurity Practice: The STARC Model
- arxiv url: http://arxiv.org/abs/2607.25734v1
- Date: Tue, 28 Jul 2026 13:58:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.863318
- Title: A Structuration Approach to Theorizing Cybersecurity Practice: The STARC Model
- Title（参考訳）: サイバーセキュリティを理論化するための構造的アプローチ:STARCモデル
- Abstract要約: サイバーセキュリティの実践は、アナリスト、チーム、組織、セクター、規制機関間で同時に行われる。
適用された理論は、単一の組織レベルで運用され、広範囲に類似したコントロールを持つ組織がレジリエンスにおいて大きく異なる理由を説明することはできない。
サイバーセキュリティの実践が成功するか、構造的に失敗するかを特定するためのフレームワークSTARCを開発する。
- 参考スコア（独自算出の注目度）: 0.9634859579172255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem: Cybersecurity practice runs simultaneously across analysts, teams, organizations, sectors, and regulators, co-evolves with adversaries, and increasingly blends human and algorithmic decision-making. The theories applied to it operate at single organizational levels and cannot explain why organizations with broadly similar controls differ sharply in resilience. This paper: We develop STARC (Structuration Theory Adaptation for Resilient Cybersecurity), a framework for locating where cybersecurity practice succeeds or fails structurally. It extends Giddens' Structuration Theory with three innovations, Multi-Level Adversarial Agency, Threat-Adaptive Structuration, and Material-Agential Structural Properties, across five structure-agency triads. Evidence base: STARC is illustrated through re-analysis of three financial organizations, an Australian, an Indonesian, and a Malaysian bank, across 20 interviews from SOC analysts to senior executives, selected as diverse insourced and outsourced configurations rather than as a comparison of equivalents. Cybersecurity contribution: STARC offers a structural account of why differently resourced and outsourced organizations differ in resilience, and a vocabulary for diagnosing incident-response breakdown across levels, tempos, and the human-algorithm authority boundary that single-level frameworks leave invisible. Theory and outputs: It extends Structuration Theory to adversarial, multi-level, and hybrid human-algorithmic contexts, and yields seven testable propositions linking structuration to resilience, offered for future testing.
- Abstract（参考訳）: 問題:サイバーセキュリティの実践は、アナリスト、チーム、組織、セクター、規制機関にまたがって同時に行われ、敵と共進化し、ますます人間とアルゴリズムの意思決定をブレンドする。
適用された理論は、単一の組織レベルで運用され、広範囲に類似したコントロールを持つ組織がレジリエンスにおいて大きく異なる理由を説明することはできない。
本稿では、サイバーセキュリティの実践が成功するか、構造的に失敗するかを特定するためのフレームワークSTARC(Structuration Theory Adaptation for Resilient Cybersecurity)を開発する。
ギデンズの構造理論を3つの革新、多層アドバイザリエージェンシー、脅威適応構造、マテリアル・アジェンシャルな構造特性で拡張している。
証拠ベース: STARCは、オーストラリア、インドネシア、マレーシアの銀行の3つの金融機関の再分析を通じて、SOCアナリストから上級幹部への20のインタビューを通じて、同等品の比較ではなく、さまざまなインソースおよびアウトソース構成として選択された。
サイバーセキュリティへのコントリビューション:STARCは、異なるリソースやアウトソースの組織がレジリエンスになぜ異なるのかという構造的な説明と、単一レベルのフレームワークが目に見えないようなレベル、テンポ、人間-アルゴリズムの権威の境界を越えたインシデント-レスポンスのブレークダウンを診断するための語彙を提供している。
理論と出力: 構造理論を敵対的、多レベル、ハイブリッドな人間-アルゴリズムの文脈に拡張し、将来のテストのために提供される構造とレジリエンスをリンクする7つの検証可能な命題を生成する。
関連論文リスト
- Corporate Language Model (CLM): Transforming Tacit and Fragmented Enterprise Knowledge into a Sovereign, Auditable, and Executable Corporate Intelligence Layer [0.0]
本稿では,企業の構造的・非構造的・マルチモーダル的・暗黙的な知識を,推論と支配的実行を構成する存在論的基盤に変換するフレームワークであるコーポレート・ランゲージ・モデル(CLM)を紹介する。
CLMには5つの機能プレーンと4つのアーキテクチャ柱がある: 神経シンボルメッシュと知識グラフを結合した生成モデル、再利用可能な戦術、ペルソナ、反対、目標をタイプして構成するスキルグラフ、主権、トレーサビリティ、人間の監視を強制するDeep Security Layerである。
論文 参考訳（メタデータ） (2026-09-03T18:39:07Z) - AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities [55.23913617185508]
Agentは、LLM(Large Language Models)ベースのエージェントを評価するための、オープンソース、軽量、インフラストラクチャである。
Benchmark、Harness、Environmentという3つの独立したコンポーネントに関する評価プロセスを編成する。
フォールトトレラントなランタイムと、報酬ハックのような障害モードを透過的に診断する包括的なトラジェクトリ分析ツールを備えている。
論文 参考訳（メタデータ） (2026-07-15T11:11:17Z) - Agentic Analysis for Agentic Infrastructure: An LLM-Powered Pipeline for Comparative Governance of DAO and Corporate AI Protocols [5.209373486278134]
大規模ガバナンス談話分析のためのLLMを用いた比較パイプラインを提案する。
ERC-8004 (Permissionless, on-chain) と Google A2A (corporate-led) の2つのコントラスト標準で検証する。
統治形態は実質的な焦点に影響を及ぼすが、両政権は平等とコミュニティの断片化に匹敵するレベルの参加を示す。
論文 参考訳（メタデータ） (2026-06-24T16:34:54Z) - From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape [79.30826980815927]
ルーブリックは、複雑な品質判断を構造化され、実行可能な標準に変換する明示的な基準セットです。
我々は,既存のルーリックデザインを体系的に整理し,その構築と最適化を検証し,評価と訓練をまたいだ役割を解析する。
論文 参考訳（メタデータ） (2026-06-07T13:34:55Z) - When Agents Evolve, Institutions Follow [52.359340707289114]
大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。
彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。
我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
論文 参考訳（メタデータ） (2026-04-30T10:30:58Z) - Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering [75.50670592447219]
分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を共同でモデル化することによって、ノードを凝集性グループに分割する基本的な教師なしタスクである。
この調査は、3つの相補的な視点からAGCを包括的かつ工業的に基礎づけたレビューを提供する。
論文 参考訳（メタデータ） (2026-03-21T14:15:34Z) - The Hourglass Revolution: A Theoretical Framework of AI's Impact on Organizational Structures in Developed and Emerging Markets [0.0]
本稿では,人工知能(AI)が組織構造をどのように変換するかを理論的に検討する。
この分析は、AIが従来の構造的境界を越えて組織的な形を可能にすることを示す3つの重要なメカニズムを特定している。
論文 参考訳（メタデータ） (2026-03-18T11:52:29Z) - Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。
この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。
このボトルネックは、帰属の曖昧さに起因している。
本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
論文 参考訳（メタデータ） (2026-02-05T04:19:52Z) - A cybersecurity AI agent selection and decision support framework [0.0]
本稿では,AIエージェントアーキテクチャ,リアクティブ,認知,ハイブリッド,学習を協調する,新しい構造化された意思決定支援フレームワークを提案する。
エージェント理論と産業ガイドラインを統合することで、このフレームワークは、AIソリューションの選択とデプロイのための透過的で段階的な方法論を提供する。
論文 参考訳（メタデータ） (2025-10-02T07:38:21Z) - From Firms to Computation: AI Governance and the Evolution of Institutions [0.0]
本稿は,多段階選択理論,Aoki の計算プロセスとしての企業観,Ostrom の設計原理の3つの枠組みを合成する。
我々は,AI関連のリスクに対処するアライメントメカニズムとして,選択を組織レベルで同時に運用するフレームワークを開発し,ゲーム理論アーキテクチャによる分散推論を実装し,オストロムスタイルのルールは進化する。
私たちは、組織層をまたいだ人間とAIの整合性を運用し、スケーラブルで適応的で包括的なAIシステムのガバナンスを可能にする一連の設計原則を提案して、結論付けました。
論文 参考訳（メタデータ） (2025-07-18T02:52:58Z) - Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。
我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
論文 参考訳（メタデータ） (2025-05-28T15:20:09Z) - Beyond Accidents and Misuse: Decoding the Structural Risk Dynamics of Artificial Intelligence [0.0]
本稿では,複雑なシステム研究を基盤としたフレームワークを導入することにより,構造リスクの概念を推し進める。
構造リスクを、先行する構造的原因、先行するAIシステム原因、有害なフィードバックループの3つのカテゴリに分類する。
本稿では,これらのダイナミクスを予測し,支配するために,シナリオマッピング,シミュレーション,探索的展望を取り入れた方法論的アジェンダを提案する。
論文 参考訳（メタデータ） (2024-06-21T05:44:50Z)
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。