論文の概要: Mutate to Bypass: Autonomous Endpoint Evasion via Knowledge-Driven Multi-Agent Orchestration

• arxiv url: http://arxiv.org/abs/2608.01639v1
• Date: Mon, 03 Aug 2026 03:19:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.311054
• Title: Mutate to Bypass: Autonomous Endpoint Evasion via Knowledge-Driven Multi-Agent Orchestration
• Title（参考訳）: Mutate to Bypass:知識駆動型マルチエージェントオーケストレーションによる自律的エンドポイント侵入
• Abstract要約: 本稿では,自動レジリエンス評価のための知識ベースでクローズドループフレームワークであるAutoBypassを紹介する。 Detection-Aware Knowledge Baseは、インテリジェンス、専門家分析、そしてオープンソースの概念実証を、回避技術と運用上の制約に構造化する。 エージェントはこの知識を使って攻撃を計画し、多型コードを生成し、バイナリをコンパイルする。
• 参考スコア（独自算出の注目度）: 14.14926839179577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public reports and open-source resources expose many EDR evasion techniques, but it remains unclear whether commercial Endpoint Detection and Response (EDR) systems can withstand these documented attacks. Evaluating them requires turning fragmented security knowledge into working payloads and refining those payloads from opaque alerts, tasks that existing automation does not address. We present AutoBypass, a knowledge-grounded, closed-loop multi-agent framework for automated EDR resilience assessment. A Detection-Aware Knowledge Base structures threat intelligence, expert analyses, and open-source proofs of concept into evasion techniques and operational constraints. Agents use this knowledge to plan attacks, generate polymorphic code, and compile binaries, while a telemetry-driven reasoning engine diagnoses failures and feeds corrective evidence back into the strategy. Across seven commercial endpoint security platforms, AutoBypass bypassed every target, reaching 90% evasion against Windows Defender and 86.7% against Trend Micro AV. Ablations show that the knowledge base raises the success rates of 8B open-weight models from 27--53% to 43--83%, bringing them close to large proprietary models. These results demonstrate a systematic way to operationalize public security knowledge for continuous, automated assessment of EDR resilience.
• Abstract（参考訳）: 公開レポートとオープンソースリソースは多くのEDR回避技術を公開しているが、商用のエンドポイント検出と応答(EDR)システムがこれらの文書化された攻撃に耐えられるかどうかは不明だ。 それらを評価するには、断片化されたセキュリティ知識を作業ペイロードに変換し、それらのペイロードを不透明なアラートから修正する必要がある。 本稿では,EDRレジリエンス自動評価のための知識ベースでクローズドループのマルチエージェントフレームワークであるAutoBypassを提案する。 Detection-Aware Knowledge Baseは、インテリジェンス、専門家分析、そしてオープンソースの概念実証を、回避技術と運用上の制約に構造化する。 エージェントはこの知識を使って攻撃を計画し、多型コードを生成し、バイナリをコンパイルする。 7つの商用エンドポイントセキュリティプラットフォームにおいて、AutoBypassはすべてのターゲットをバイパスし、Windows Defenderに対する90%の回避、Trend Micro AVに対する86.7%に達した。 アブレーションによると、知識ベースは8Bのオープンウェイトモデルの成功率を27～53%から43～83%に引き上げ、大きなプロプライエタリモデルに近づいた。 これらの結果は、EDRレジリエンスの継続的かつ自動化された評価のために、公共のセキュリティ知識を運用する体系的な方法を示す。

関連論文リスト

• Exploiting LLM Agent Supply Chains via Payload-less Skills [10.141577783380281]
  本稿では、自律的なコーディング環境をターゲットにしたペイロードレスサプライチェーンアタックであるSemantic Compliance Hijacking(SCH)を紹介する。 SCHアプローチは、悪意のある目標を、必要なコンプライアンスルールとしてフォーマットされた非構造化の自然言語命令に変換する。 この発見は、この脅威の広範性を示し、SCHは機密性侵害に対して77.67%の最高成功率を達成した。
  論文  参考訳（メタデータ） (2026-05-14T06:55:47Z)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• MA-IDS: Multi-Agent RAG Framework for IoT Network Intrusion Detection with an Experience Library [0.0]
  推論駆動型侵入検出のための大規模言語モデルと検索拡張生成を組み合わせたマルチエージェント侵入検出システムMA-IDSを提案する。 NF-BoT-IoTとNF-ToN-IoTベンチマークデータセットの評価。 結果はSVMと競合し、すべての分類決定に対してルールレベルの説明を提供する。
  論文  参考訳（メタデータ） (2026-04-07T05:41:10Z)
• SecPI: Secure Code Generation with Reasoning Models via Security Reasoning Internalization [50.71047638695205]
  RLM(Reasoning Language Model)は、プログラミングにおいてますます使われている言語モデルである。 しかし、最先端のRLMでさえ、生成されたコードに重大なセキュリティ脆弱性を頻繁に導入する。 我々は、構造化されたセキュリティ推論を内部化するためのRTMを教える微調整パイプラインであるSecPIを提案する。
  論文  参考訳（メタデータ） (2026-04-04T04:29:11Z)
• Red-MIRROR: Agentic LLM-based Autonomous Penetration Testing with Reflective Verification and Knowledge-augmented Interaction [0.42222053626544365]
  本稿では,新しいマルチエージェント自動浸透試験システムであるRed-MIRRORを提案する。 Red-MIRRORは、エージェント間推論を明示的に管理するために、密結合したメモリリフレクションバックボーンを導入している。 XBOWベンチマークとVulhub CVEの実証評価は、Red-MIRRORが最先端エージェントに匹敵するパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2026-03-28T04:34:09Z)
• LiaisonAgent: An Multi-Agent Framework for Autonomous Risk Investigation and Governance [11.009578207207419]
  LiaisonAgentは、技術的リスク検出とビジネスレベルのリスク管理のギャップを埋めるために設計された、自律的なマルチエージェントシステムである。 このシステムは、エンドツーエンドのツールコール成功率97.8%、リスク判定精度95%を達成する。
  論文  参考訳（メタデータ） (2026-02-27T08:42:52Z)
• ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
  本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。 ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
  論文  参考訳（メタデータ） (2026-01-15T08:23:38Z)
• The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
  大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。 CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
  論文  参考訳（メタデータ） (2025-12-01T07:05:23Z)
• Mind the Gap: Time-of-Check to Time-of-Use Vulnerabilities in LLM-Enabled Agents [4.303444472156151]
  大規模言語モデル(LLM)対応エージェントは、広範囲のアプリケーションで急速に出現している。 本研究は,LSM対応エージェントにおけるTOCTOU(time-of-use)脆弱性に関する最初の研究である。 我々は,このタイプの脆弱性を評価するために設計された,66の現実的なユーザタスクを備えたベンチマークTOCTOU-Benchを紹介する。
  論文  参考訳（メタデータ） (2025-08-23T22:41:49Z)
• SafeMobile: Chain-level Jailbreak Detection and Automated Evaluation for Multimodal Mobile Agents [58.21223208538351]
  本研究は,モバイルマルチモーダルエージェントを取り巻くセキュリティ問題について考察する。 行動シーケンス情報を組み込んだリスク識別機構の構築を試みる。 また、大規模言語モデルに基づく自動アセスメントスキームも設計している。
  論文  参考訳（メタデータ） (2025-07-01T15:10:00Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。