論文の概要: Beyond Resilience: Antifragility in Critical Infrastructure Cybersecurity

• arxiv url: http://arxiv.org/abs/2607.29550v1
• Date: Fri, 31 Jul 2026 15:42:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.785011
• Title: Beyond Resilience: Antifragility in Critical Infrastructure Cybersecurity
• Title（参考訳）: レジリエンスを超えて - クリティカルインフラストラクチャのサイバーセキュリティにおける反脆弱性
• Abstract要約: 本稿では、重要なインフラサイバーセキュリティのための反脆弱性理論(AFT)を開発する。 OTadjaセクターは、比較セクターよりも破壊的な混合イベントのシェアが著しく高いことを示している。 発見は、将来の抗脆弱性テストのための2つの前提条件、すなわち、負担の分化と適応的可観測性を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Critical infrastructure cybersecurity increasingly requires frameworks that move beyond recovery toward bounded improvement under disruption, yet empirically grounded theories for operational technology remain limited. This paper develops a Theory of Antifragility (AFT) for critical infrastructure (CI) cybersecurity, anchored in a five-state Resilient System Model and a bounded mathematical definition based on Jensen gain and post-disruption gain. A two-layer empirical design pairs a CI-relevant subset of the CISSM Cyber Events Database with the HAI hardware-in-the-loop industrial control dataset and tests three confirmatory hypotheses and one exploratory proposition. OT-adjacent sectors show significantly higher shares of disruptive or mixed events than comparison sectors (65.3 percent versus 46.8 percent, p less than 0.001), together with a greater concentration of physical-attack and data-attack subtypes. In HAI, attack-labeled observations were 7.43 times more likely than normal observations to exceed the 95th percentile of baseline deviation (p less than 0.001). Across successive attack windows, mean process-state deviation declined significantly (Spearman rho = -0.688, p = 0.007), indicating measurable response variation rather than proof of adaptive gain. Together, the findings establish two prerequisites for future antifragility testing: differentiated fragility burden and process-level perturbation observability.
• Abstract（参考訳）: インフラのクリティカルなサイバーセキュリティは、回復を超えて破壊の下で境界づけられた改善へと移行するフレームワークをますます必要としていますが、運用技術に関する実証的な根拠のある理論は限定的です。 本稿では,5状態のレジリエントシステムモデルと,ジェンセンゲインと破壊後ゲインに基づく有界数学的定義に固定された,クリティカルインフラストラクチャ(CI)サイバーセキュリティのための反脆弱理論(AFT)を開発する。 2層の実証設計では、CISSM Cyber Events DatabaseのCI関連サブセットとHAIハードウェアインザループ産業制御データセットを組み合わせ、3つの確認仮説と1つの探索命題をテストする。 OT隣接セクターは、比較セクターよりも破壊的または混合事象のシェアが著しく高く(65.3%対46.8%、0.001未満)、物理的アタックとデータアタックのサブタイプが集中している。 HAIでは、攻撃標識による観測は、標準偏差の95%を超える確率が通常の観測の7.43倍(pは0.001未満)であった。 スピアマンrho = -0.688, p = 0.007) は、アダプティブゲインの証明よりも測定可能な応答変化を示す。 両研究は, 将来の抗脆弱性検査の前提条件として, 疲労性負荷とプロセスレベルの摂動性について検討した。

関連論文リスト

• Continuity-Driven Representation Learning for Industrial Defect Detection [10.126273003671388]
  産業的欠陥検出は、検査画像が繰り返し構造を持つ大きな正常な領域を含むため、自然画像オブジェクト検出とは異なる。 本研究では, 正規支配領域を高密度補助監督として活用する連続性駆動型表現正規化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-18T04:31:55Z)
• SecDrift: Measuring Sector-Conditioned Security Drift in AI-Generated Code [0.0]
  セキュリティドリフトは、業界状況でプロンプトが条件付けられている場合の静的分析の脆弱性率の変化である。 セクター条件付きセキュリティドリフトを測定するベンチマークであるSecDriftを提案する。 フレームワーク、プロンプト、生成されたコード、発見、人による検証、分析スクリプトをリリースします。
  論文  参考訳（メタデータ） (2026-07-28T02:57:19Z)
• ARMOR++: Agentic Orchestration of a Multi-Domain Primitive Set for Transferable Attacks on Deepfake Detectors [28.44035744358622]
  本稿では、高透過性ディープフェイク回避のための堅牢なマルチエージェントフレームワークARMOR++を紹介する。 5つの補完的プリミティブを統合することで、ARMOR++は事実上異種誘導バイアスをターゲットとします。 AADD-2025ベンチマークの厳密な評価は、ARMOR++が既存のエージェントと非エージェントのベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2026-07-16T17:45:13Z)
• Beyond Entropy: Learning from Token-Level Distributional Deviations for LLM Reasoning [36.34371525731833]
  Independent Combinatorial Tokens (ICT) フレームワークを導入し、スカラー不確実性からトークンロジットの分布特性へ最適化の焦点を移す。 シャノンと2階レニイエントロピーの両方に基礎を置く我々の理論的分析は、これらのトークンを選択的に更新することが政策集中を調節していることを証明している。 実証的な結果は、Qwen2.5 (0.5B/1.5B/7B)モデル上のユニークなトークンの上位10%だけを更新すると、平均パス@4の改善が4.58%、最大14.9%、GRPO、20エントロピー、STAPOベースラインよりも向上したことを示している。
  論文  参考訳（メタデータ） (2026-06-18T04:11:56Z)
• Decoupling Thought from Speech: Knowledge-Grounded Counterfactual Reasoning for Resilient Multi-Agent Argumentation [0.0]
  マルチエージェントの議論フレームワークは、収束タスクにおける大きな言語モデルのパフォーマンスを改善することが示されている。 これらのフレームワークは現在、プロセスの安定性よりも最終的な出力精度を強く好んで最適化されている。 本稿では,KG-CFR(Knowledge-Grounded Counterfactual Reasoning)について紹介する。
  論文  参考訳（メタデータ） (2026-06-09T06:43:18Z)
• ReflectiChain: Epistemic Grounding in LLM-Driven World Models for Supply Chain Resilience [2.160835522257474]
  大規模言語モデルと強化学習のギャップを埋めるためにREFLECTICHAINを導入する。 ReFLECTICHAINは不確実性分離、知識境界検出、実証的ベイズ政策更新を分離する。 セミシムでは、REFLECTICHAINはRationale Consistency Scoreを33.0%(p 0.0001, d = 2.78)改善し、対向ショック下で82.3%の操作性を維持し、反フレキシブルな動作を示す。
  論文  参考訳（メタデータ） (2026-06-09T03:18:44Z)
• QFoldAgent: An Autonomous Quantum Optimization Multi-Agent System for Protein Structure Prediction [20.764428990752283]
  QFoldAgentは5-residue四面体-格子折り畳みのための閉ループマルチエージェントフレームワークである。 55個のQDockBank由来のフラグメントと100個のカバー最適化された未確認シーケンスの2つの補完的データセットについて検討した。
  論文  参考訳（メタデータ） (2026-05-11T20:40:54Z)
• A Multi-Domain Red Teaming Framework for Safety, Robustness, and Fairness Evaluation of Medical Large Language Models [34.38896321208398]
  大規模言語モデル(LLM)は、ますます医療全体に展開されているが、既存のベンチマークでは、敵対的あるいは倫理的に複雑な条件下でのモデルの振る舞いを捉えていない。 我々は690の臨床的根拠のあるシナリオにまたがる11の現代LPMを評価する多ドメインレッド・チームリング・フレームワークを開発した。 その結果, 平均スコアは0.791～0.984。
  論文  参考訳（メタデータ） (2026-04-15T14:57:55Z)
• MSign: An Optimizer Preventing Training Instability in Large Language Models via Stable Rank Restoration [48.446476072756276]
  トレーニング不安定性は、大規模言語モデルの事前トレーニングにおいて依然として重要な課題である。 我々は,5MナノGPTモデルにおけるトレーニング失敗をP$で評価した。 安定なランクを回復するために行列手演算を周期的に適用する新しいノルムであるMSignを提案する。
  論文  参考訳（メタデータ） (2026-02-02T07:18:45Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• Causally-Enhanced Reinforcement Policy Optimization [36.523007244998695]
  Causally-Enhanced Policy Optimization (CE-PO)は、因果一貫性のための異なるプロキシでポリシー最適化を強化する、ドロップイン報酬形成フレームワークである。 CE-POは、ヤコビアンに基づく感性によるモデル内部の影響を推定し、これらのシグナルを反実的に硬化させてニュアンスを抑えるとともに、結果のコヒーレンススコアをタスク精度フィードバックと融合させる。 4つのデータセットにわたる実験結果から、CE-POは平均で5.49%の精度(最大9.58%)を向上し、相関因果フリップや光対実編集による堅牢性を改善した。
  論文  参考訳（メタデータ） (2025-09-27T04:10:16Z)
• Latent Adversarial Training Improves the Representation of Refusal [41.94295877935867]
  本稿では,LAT(Latent Adversarial Training)がモデルの潜在空間における拒絶行動をどのように再構成するかを示す。 LATは拒絶表現を著しく変更し、最初の2つのSVDコンポーネントに集中させる。 以上の結果から,LATのトレーニング摂動は拒絶行動のより包括的表現を可能にすることが示唆された。
  論文  参考訳（メタデータ） (2025-04-26T09:40:31Z)

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。