論文の概要: On fair and realistic performance evaluations for graph-based lateral movement detectors

• arxiv url: http://arxiv.org/abs/2607.29390v1
• Date: Fri, 31 Jul 2026 13:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.731996
• Title: On fair and realistic performance evaluations for graph-based lateral movement detectors
• Title（参考訳）: グラフベース横移動検出器の公正かつ現実的な性能評価について
• Abstract要約: 横方向の動き検出は近年大きな進歩を遂げており、検知器を実用的に評価するベンチマークデータセットが普及している。 これらのベンチマークデータセットの正確な使い方は、文献によって異なる。 本稿では,2つの一般的なデータセットの事前処理およびラベル付け手法を調査し,下流評価の公平性と現実性に与える影響を実証する。 これらの新方針の下で、広く引用されている3つの横動き検出手法を再評価し、横動き検出器の評価におけるデータセット前処理とラベル付けの実践の重要性を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research on lateral movement detection has made significant progress in recent years, spurred by the widespread availability of benchmark datasets that make evaluating detectors practical. However, the exact way in which these benchmark datasets are used varies across the literature: both the preprocessing applied before feeding the data to the detector and the labeling of lateral movement-related events change substantially from one paper to another. We survey preprocessing and labeling methodologies for two popular datasets and demonstrate their impact on the fairness and realism of downstream evaluations. We also propose well-grounded preprocessing and labeling policies for these datasets. Finally, we re-evaluate three widely cited lateral movement detection methods under these new policies; our results differ significantly from those reported in the original papers, further highlighting the critical importance of dataset preprocessing and labeling practices in evaluating lateral movement detectors.
• Abstract（参考訳）: 近年, 横方向移動検出の研究が著しく進展しており, 検知器の評価を現実的に行うベンチマークデータセットが広く普及している。 しかし、これらのベンチマークデータセットの正確な使い方は、検出器にデータを送る前に適用された前処理と、横移動関連事象のラベル付けの両方が、ある論文から別の論文へと大きく変化する。 本稿では,2つの一般的なデータセットの事前処理およびラベル付け手法を調査し,下流評価の公平性と現実性に与える影響を実証する。 また,これらのデータセットに対して,適切な事前処理とラベル付けのポリシーを提案する。 最後に、これらの新方針の下で、広く引用されている3つの横動き検出手法を再評価し、この結果が元の論文で報告されたものとは大きく異なり、また、横動き検出器の評価におけるデータセット前処理とラベル付けの実践の重要性が強調された。

関連論文リスト

• Staypoint Detection from Noisy Trajectory Data [Experiment Paper] [10.857497961907251]
  16の大規模シミュレーションデータセットを導入し、様々な軌道雑音レベルにまたがって、注釈付静止点を持つ何千ものエージェントを捕捉する。 ノイズに対するロバスト性を分析するため,9つのスタンポイント検出アルゴリズム(最先端手法と新規手法の両方を含む)を評価した。
  論文  参考訳（メタデータ） (2026-07-21T17:27:06Z)
• Unveiling Transferability in Trajectory Prediction via Latent Scene Embeddings [3.9898522485253256]
  1つのデータセットでトレーニングされたモデルは、トレーニングドメインを超えた一般化に失敗することが多い。 分散メトリクスを用いてデータセットの潜在表現を学習し、類似性を定量化するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-29T18:07:34Z)
• Deep Learning for Crack Detection: A Review of Learning Paradigms, Generalizability, and Datasets [4.874652036065497]
  き裂検出は、舗装や建物の検査など、土木インフラにおいて重要な役割を担っている。 近年、ディープラーニングはこの分野を著しく進歩させてきた。 新たなトレンドは、学習パラダイムの移行や一般化可能性の改善など、ランドスケープを変革している。
  論文  参考訳（メタデータ） (2025-08-14T00:47:00Z)
• A Survey on Deep Learning-based Gaze Direction Regression: Searching for the State-of-the-art [0.0]
  本稿では,頭部・眼像からの視線方向ベクトルの回帰に対する深層学習に基づく手法について検討する。 本稿では、入力データ、モデルのアーキテクチャ、モデルの監視に使用される損失関数に焦点をあてた、多数の公開手法について詳述する。 本稿では、視線方向回帰法を訓練し、評価するために使用できるデータセットのリストを示す。
  論文  参考訳（メタデータ） (2024-10-22T15:07:07Z)
• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• Efficient Transferability Assessment for Selection of Pre-trained Detectors [63.21514888618542]
  本稿では,事前学習対象検出器の効率的な伝達性評価について検討する。 我々は、事前訓練された検出器の大規模で多様な動物園を含む検出器転送性ベンチマークを構築した。 実験により,本手法は伝達性の評価において,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-14T14:23:23Z)
• Domain Adaptation with Adversarial Training on Penultimate Activations [82.9977759320565]
  教師なし領域適応(Unsupervised Domain Adaptation, UDA)の重要な目的は、ラベルなし対象データに対するモデル予測の信頼性を高めることである。 我々は,この戦略が,入力画像や中間特徴に対する敵対的訓練よりも予測信頼性を高める目的と,より効率的で相関性が高いことを示す。
  論文  参考訳（メタデータ） (2022-08-26T19:50:46Z)
• Uncertainty estimation for Cross-dataset performance in Trajectory prediction [1.9399281609371257]
  本研究では,4つのデータセット間での最先端軌跡予測手法の性能について検討した。 我々は、どのデータセットが他で最もうまく機能するかを強調し、不確実性推定がより優れた転送可能なパフォーマンスを実現する方法について研究する。
  論文  参考訳（メタデータ） (2022-05-15T15:28:02Z)
• Pedestrian Detection: Domain Generalization, CNNs, Transformers and Beyond [82.37430109152383]
  その結果、現在の歩行者検知器は、クロスデータセット評価において、たとえ小さな領域シフトであっても処理が不十分であることがわかった。 限定的な一般化は、その方法と現在のデータ源の2つの主要な要因に帰着する。 本稿では、一般化を改善する進歩的な微調整戦略を提案する。
  論文  参考訳（メタデータ） (2022-01-10T06:00:26Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Generalizable Pedestrian Detection: The Elephant In The Room [82.37430109152383]
  既存の最先端の歩行者検出器は、同じデータセット上でトレーニングやテストを行う際には、非常によく機能するが、データセット間の評価では、十分に一般化されていない。 ウェブをクロールすることで収集される多様で高密度なデータセットは、歩行者検出のための事前学習の効率的な情報源であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T14:14:52Z)

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。