論文の概要: ThreatForest: Multi-Agent Attack Tree Generation with Pluggable TTP Framework Mapping

• arxiv url: http://arxiv.org/abs/2607.27528v1
• Date: Wed, 29 Jul 2026 23:46:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.347221
• Title: ThreatForest: Multi-Agent Attack Tree Generation with Pluggable TTP Framework Mapping
• Title（参考訳）: ThreatForest: プラガブルTPフレームワークマッピングによるマルチエージェント攻撃ツリー生成
• Abstract要約: ThreatForestはソースコードリポジトリから構造化アタックツリーを生成するマルチエージェントシステムである。 プラグイン可能なフレームワークセットから、攻撃手順を敵戦術、テクニック、プロシージャ(TTP)にマップする。 ThreatForestは,コードリポジトリをTPマップされたアタックツリーに,エビデンスベースの緩和を備えた最初のエンドツーエンドシステムである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Threat modeling is essential for secure software development, yet manual analysis of cloud-native architectures is slow and demands scarce security expertise. We present ThreatForest, a multi-agent system that generates structured attack trees from source code repositories, maps attack steps to adversary tactics, techniques, and procedures (TTPs) from a pluggable set of frameworks (MITRE ATT&CK, CAPEC, and cloud-specific threat matrices), and synthesizes actionable mitigations. ThreatForest decomposes threat modeling into a multi-stage agent pipeline -- repository analysis, context refinement, threat generation, parallel attack-tree construction with TTP mapping and mitigation synthesis, and report generation -- orchestrated as a directed graph with deterministic verification gates, bounded retries, and three human-in-the-loop validation points. A domain-specific sentence-transformer maps each attack step to candidate techniques by cosine similarity; we show empirically that this embedding stage, not the surrounding pipeline, is the dominant accuracy bottleneck. We evaluate ThreatForest across seven application domains on a sixteen-dimension rubric, scored by a panel of independent LLM raters with an adversarial verification pass and expert review. Panel-measured quality reaches 0.63-0.68 (on a 0-1 scale) for threat statements, attack trees, and mitigations, but only 0.29 for embedding-only TTP mapping -- a gap stable across all seven domains that isolates the binding constraint. A controlled single-call baseline on the same model more than doubles mapping defensibility, pinning the limitation on the embedding encoder rather than the multi-agent design. To our knowledge, ThreatForest is the first end-to-end system that turns a code repository into TTP-mapped attack trees with evidence-based mitigations across adversary frameworks, with a reusable framework for benchmarking such systems.
• Abstract（参考訳）: 脅威モデリングはセキュアなソフトウェア開発には不可欠だが、クラウドネイティブアーキテクチャのマニュアル分析は遅く、セキュリティに関する専門知識が不足している。 本稿では、ソースコードリポジトリから構造化攻撃木を生成するマルチエージェントシステムThreatForestについて、プラグイン可能なフレームワークセット(MITRE ATT&CK、CAPEC、およびクラウド固有の脅威行列)から敵の戦術、技術、手順(TTP)にマップして、実行可能な緩和を合成する。 ThreatForestは、脅威モデリングをマルチステージエージェントパイプライン – リポジトリ分析、コンテキストリファインメント、脅威生成、TTPマッピングと緩和合成による並列アタックツリーの構築、レポート生成 – に分解する。 ドメイン固有の文変換器は、各攻撃ステップをコサイン類似性によって候補技術にマッピングし、この埋め込みステージが周囲のパイプラインではなく、主要な精度ボトルネックであることを実証的に示す。 我々はThreatForestを、16次元のルーブリック上で7つのアプリケーションドメインで評価し、逆検証パスとエキスパートレビューを備えた独立したLCMレーダのパネルで評価した。 パネル測定品質は、脅威ステートメント、攻撃木、緩和のために0.63-0.68(0-1スケール)に達するが、埋め込みのみのTTPマッピングでは0.29に留まる。 同一モデル上の制御シングルコールベースラインは、マッピングのディフェンシビリティを2倍にし、マルチエージェント設計よりも埋め込みエンコーダの制限を固定する。 私たちの知る限り、ThreatForestはコードリポジトリをTPマップされたアタックツリーに変換する最初のエンドツーエンドシステムです。

関連論文リスト

• Merging Cyber Threat Intelligence Through Retrieval-Augmented Generation and Small Language Models for Rich Threat Representation [37.97052739331593]
  我々は、異種CTIソースからのサイバー攻撃の実行可能な表現を導出する自動パイプラインを提案する。 このパイプラインは、RAGアーキテクチャとローカルにデプロイ可能なSLMを組み合わせることで、これらのエビデンスを統合し、運用上の詳細を推測する。 10の実世界のケーススタディのマニュアルアセスメントは、生成されたグラフが予想される攻撃進行と一致しているという最初の証拠を提供する。
  論文  参考訳（メタデータ） (2026-09-07T09:46:26Z)
• AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
  AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。 本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
  論文  参考訳（メタデータ） (2026-08-26T11:48:38Z)
• Defending against Model Extraction for GNNs with Model Reprogramming [57.82196268649236]
  グラフニューラルネットワーク(GNN)は、ML(Machine-Learning-as-a-Service)における高スループットアプリケーションのバックボーンとして機能する。 それでも、ブラックボックスのデプロイメントは、モデル抽出(ME)攻撃に晒される。 既存の防衛は「ユークリッドバイアス」に苦しむ セキュリティのためにモデル再プログラミングを再利用するプロアクティブディフェンスフレームワークであるGraphRPを提案する。
  論文  参考訳（メタデータ） (2026-08-11T23:20:15Z)
• Adversarial Attacks in Multi-Agent LLM Pipelines: Unveiling Structural Vulnerabilities in Agentic AI Architectures [4.053243845971823]
  マルチエージェントLLMパイプラインは、特殊な言語モデルエージェントを構造化し、中間出力をエージェント間で渡して複雑なタスクを解決する。 この設計では、単一のエージェント設定にないセキュリティギャップが導入されている。 この脆弱性は、エージェント間の境界を越える際に、データの明示的な検証を強制するセキュリティプリミティブである境界検証の欠如に起因している、と私たちは主張する。
  論文  参考訳（メタデータ） (2026-08-01T15:35:58Z)
• TRACE: A Threat Modelling Methodology for Distributed, Cloud-First, and Decentralized Organisations [0.0]
  我々は、脅威アクター、役割、資産、批判的不変量、信頼/権威のエッジを第一級、エビデンスにリンクしたオブジェクトとして扱う方法論であるTRACEを提示する。 10次元にわたって広く使用されている9つのフレームワークを比較して、各フレームワークが分散、クラウドファースト、ゼロトラスト設定で不足していることを示し、TRACEを指定する。
  論文  参考訳（メタデータ） (2026-06-20T20:24:15Z)
• Provably Secure Agent Guardrail [89.79561918065122]
  既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。 本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-28T02:12:41Z)
• Reasoning as an Attack Surface: Adaptive Evolutionary CoT Jailbreaks for LLMs [56.53007443197966]
  大規模推論モデル(LRM)は推論および生成タスクにおいて顕著な機能を示した。 彼らの明確なチェーン・オブ・シント(CoT)メカニズムは、新しいセキュリティリスクをもたらし、特にジェイルブレイク攻撃に対して脆弱である。 AE-CoTと呼ばれる適応的な進化的CoTジェイルブレイクフレームワークを提案し、これらの制限を克服する。
  論文  参考訳（メタデータ） (2026-05-23T10:11:32Z)
• TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
  分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。 我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。 我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
  論文  参考訳（メタデータ） (2026-04-30T13:44:01Z)
• Automation-Exploit: A Multi-Agent LLM Framework for Adaptive Offensive Security with Digital Twin-Based Risk-Mitigated Exploitation [0.05729426778193397]
  本稿では,完全自律型マルチエージェントシステム(MAS)フレームワークであるAutomance-Exploitを紹介する。 これは、自律的に実行可能ファイルを表示することで、偵察と搾取の間の抽象的なギャップを埋める。 高リスクメモリ破壊欠陥に対する条件付き同型検証を採用している。
  論文  参考訳（メタデータ） (2026-04-24T10:38:40Z)
• TraceGuard: Process-Guided Firewall against Reasoning Backdoors in Large Language Models [19.148124494194317]
  我々は,小規模モデルを堅牢な推論ファイアウォールに変換するプロセス誘導型セキュリティフレームワークであるTraceGuardを提案する。 提案手法は,推理トレースを信頼できないペイロードとして扱い,詳細な防衛戦略を確立する。 グレーボックス設定における適応的敵に対する堅牢性を実証し、TraceGuardを実用的で低レイテンシなセキュリティプリミティブとして確立する。
  論文  参考訳（メタデータ） (2026-03-02T22:19:13Z)
• Topology Matters: Measuring Memory Leakage in Multi-Agent LLMs [26.288357188171265]
  MAMA(Multi-Agent Memory Attack)は、ネットワーク構造がどのように漏洩を形作るかを測定するフレームワークである。 我々は,攻撃剤出力から回収した地絡PIIの割合として漏洩を定量化する。 結果は、アーキテクチャ上の選択から測定可能なプライバシリスクへの最初の体系的なマッピングを提供する。
  論文  参考訳（メタデータ） (2025-12-04T11:00:49Z)
• Robustifying 3D Perception via Least-Squares Graphs for Multi-Agent Object Tracking [43.11267507022928]
  本稿では,3次元LiDARシーンにおける対向雑音に対する新たな緩和フレームワークを提案する。 我々は最小二乗グラフツールを用いて各検出の遠心点の位置誤差を低減する。 実世界のV2V4Realデータセットに関する広範な評価研究は、提案手法がシングルエージェントとマルチエージェントの両方のトラッキングフレームワークよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-07T08:41:08Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• To Make Yourself Invisible with Adversarial Semantic Contours [47.755808439588094]
  逆セマンティック・コンター(英: Adversarial Semantic Contour、ASC)は、物体の輪郭の前に騙されたスパース・アタックのベイズ的定式化の見積もりである。 ASCは、異なるアーキテクチャを持つ9つの近代検出器の予測を損なう可能性があることを示す。 我々は、様々なアーキテクチャを持つ物体検出器の共通弱点である輪郭について注意を払って結論付けた。
  論文  参考訳（メタデータ） (2023-03-01T07:22:39Z)

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。