論文の概要: BGA: A noise-immune neural distillation framework for malicious signature extraction in high-entropy encrypted flows

• arxiv url: http://arxiv.org/abs/2608.14126v1
• Date: Fri, 14 Aug 2026 09:33:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.338649
• Title: BGA: A noise-immune neural distillation framework for malicious signature extraction in high-entropy encrypted flows
• Title（参考訳）: BGA:高エントロピー暗号化流中における有害署名抽出のための雑音免疫型ニューラル蒸留フレームワーク
• Abstract要約: 本稿では,暗号化脅威知能のための雑音免疫型ニューラル蒸留フレームワークであるBGAを提案する。 このアーキテクチャは、双方向長期記憶(Bidirectional Long-Term Memory, BiLSTM)とアダプティブGated Multi-Head Attention機構を統合している。 CIC-IDS-2018とEdge-IIoTベンチマークの大規模な評価では、すべての主要なメトリクスでパフォーマンスの上限が9レイテンシを超えることが示されている。
• 参考スコア（独自算出の注目度）: 12.604432348059133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To mitigate attention dilution in high-entropy TLS 1.3 flows, we propose BGA, a noise-immune neural distillation framework for encrypted threat intelligence.The methodology first employs Analysis of Variance (ANOVA) to decouple high-discriminatory control-plane features - specifically industrial setpoints - from stochastic cryptographic noise. To resolve the extreme class imbalance within a corpus of 86,878 flow records, a Wasserstein GAN with Gradient Penalty (WGAN-GP) module, enforcing the 1-Lipschitz constraint, is integrated to synthesize high-fidelity minority samples, elevating the detection recall of rare Malicious State Command Injections(MSCI) attacks by 43.2%. At its core, the BGA architecture integrates Bidirectional Long Short-Term Memory (BiLSTM) for temporal dependency extraction and an Adaptive Gated Multi-Head Attention mechanism. This gated unit functions as a neural filter to dynamically suppress encryption artifacts while amplifying malicious signatures. Extensive evaluations on CIC-IDS-2018 and Edge-IIoT benchmarks demonstrate a performance ceiling exceeding 95.2% across all key metrics. Furthermore, noise-injection stress tests confirm BGAs superior structural resilience with a 8.57% performance margin over vanilla Transformers, while its ultra-low inference latency of 0.2820 ms (estimated 1.6920 ms via theoretical scaling for ARM) indicates a high potential for real-time feasibility on heterogeneous industrial edge gateways, providing a promising architectural baseline for future hardware implementation.
• Abstract（参考訳）: 高エントロピーTLS 1.3フローにおける注意の希釈を緩和するため,BGAを提案する。この手法はまずANOVA(AnaVA)を用いて,確率的暗号ノイズから高識別性制御面(特に工業的設定点)の特徴を分離する。 86,878フローレコードのコーパス内の極端なクラス不均衡を解決するため、1-Lipschitz制約を強制するグラディエント・ペナルティ(WGAN-GP)モジュールが統合され、希少なMalicious State Command Injections(MSCI)攻撃の検出リコールを43.2%高める。 中心となるBGAアーキテクチャは、時間依存性抽出のためのBidirectional Long Short-Term Memory (BiLSTM)とAdaptive Gated Multi-Head Attentionメカニズムを統合している。 このゲートユニットはニューラルネットワークとして機能し、悪意のあるシグネチャを増幅しながら暗号化アーティファクトを動的に抑制する。 CIC-IDS-2018とEdge-IIoTベンチマークの大規模な評価は、すべての主要な指標で95.2%を超えるパフォーマンス天井を示している。 さらに、ノイズ注入ストレステストにより、BGAはバニラトランスフォーマーよりも8.57%パフォーマンスマージンで優れた構造的レジリエンスを示す一方、その超低遅延は0.2820ms(ARMの理論的スケーリングによる1.6920msと推定される)であり、異種産業用エッジゲートウェイのリアルタイム実現可能性が高く、将来のハードウェア実装に有望なアーキテクチャベースラインを提供する。

関連論文リスト

• RAGDiffusion++: From Macro-Retrieval to Micro-Fidelity Alignment for Garment Generation [41.42598259381642]
  強化学習は、フローモデルのサンプリング分布を再構築することができる。 Garment-RMは、微細なコントラスト学習によって500K画像を訓練し、84.67%の人間の嗜好精度を達成した。 我々の戦略は、動的識別器をRLサンプリング軌道に統合し、真に高周波の詳細を豊かにしながら、アーティファクトをペナル化する。
  論文  参考訳（メタデータ） (2026-08-29T14:06:09Z)
• A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks [1.202468381202799]
  本稿では,資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。 このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。 ハイブリッドモデルは、3つの実世界のベンチマークDDoSデータセットで評価される。
  論文  参考訳（メタデータ） (2026-08-17T16:18:15Z)
• Screening of Biosecurity Features in Metagenomic Data with Evo 2 Probes [35.18016233072556]
  Evo 2のようなゲノム基盤モデルは、リッチなシーケンス表現を学習するが、バイオセキュリティスクリーニングの価値はほとんど探索されていない。 凍結したEvo2層26の活性化に対して、最小限の線形および注意プローブを訓練することにより、これらの表現の中でどの程度のバイオセキュリティ関連信号が線形にアクセスできるかを問う。 保持されたメダゲノミクステストセット全体で、プローブは強い差別で抗菌抵抗を検出する。
  論文  参考訳（メタデータ） (2026-07-15T17:38:02Z)
• Cascaded Multi-Granularity Pruning for On-Device LLM Inference in Industrial IoT [4.775543545907101]
  本稿では, 層やアテンションヘッド, フィードフォワードチャネルを粗い順序で除去する多粒度刈取フレームワークを提案する。 情報理論解析は、この順序付けを動機付け、構造独立推定(SIA)はチェック可能な条件として定式化される。 NVIDIA DGX Sparkを使用した産業用スリーディングベアリング障害診断プラットフォーム上に展開され、圧縮されたモデルは推論遅延を67.2%、ピークメモリを62.5%削減した。
  論文  参考訳（メタデータ） (2026-06-25T10:44:48Z)
• Federated Temporal Attention Intelligence for Cyber-Resilient IoMT: Lightweight Digital Twins and PPO-Driven Honeypot Deception [0.6095710009266794]
  インターネット・オブ・メディカル・モノ(IoMT)デバイスが急速に普及すると、医療環境における重要なサイバーセキュリティの脆弱性がもたらされる。 本稿では,4つの補完機構を統合したプライバシ保護型防衛アーキテクチャである軽量ディジタルツインとフェデレーション強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-19T13:40:57Z)
• GenAI for Energy-Efficient and Interference-Aware Compressed Sensing of GNSS Signals on a Google Edge TPU [37.74014735747033]
  本稿では,ジェネレーション人工知能(GenAI)を用いたジャミング脅威の圧縮と分類手法を提案する。 提案手法は,ハードウェアレシーバ上でのデータストリームを直接効率よく圧縮し,同時にジャミングとスプーフィングの攻撃をリアルタイムで分類する。 ハードウェア中心のGenAIアプローチは、ジャマー信号伝送コストを大幅に削減し、干渉軽減のための実用的なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-05-14T13:43:55Z)
• FEMBA on the Edge: Physiologically-Aware Pre-Training, Quantization, and Deployment of a Bidirectional Mamba EEG Foundation Model on an Ultra-low Power Microcontroller [13.961569964076451]
  脳波の21,000時間以上で事前トレーニングされた双方向のマンバアーキテクチャであるFEMBAを提案する。 低域通過フィルタリングによる再構成を含む,生理的事前学習の新たな目標を提案する。 我々は、モデルを2ビットの重みに圧縮するために量子化アウェアトレーニング(QAT)を用いる。
  論文  参考訳（メタデータ） (2026-03-18T13:23:13Z)
• Beyond Reward Suppression: Reshaping Steganographic Communication Protocols in MARL via Dynamic Representational Circuit Breaking [0.0]
  監視を回避するためのプライベートプロトコルを開発するエージェントによるステガノグラフィーの共謀は、AIの安全性に重大な脅威をもたらす。 既存の防御は行動層や報酬層に限られており、潜伏する通信路での調整を検知できない。 本稿では,動的表現回路ブレーカ(DRCB)について紹介する。
  論文  参考訳（メタデータ） (2026-03-07T04:14:38Z)
• MI$^2$DAS: A Multi-Layer Intrusion Detection Framework with Incremental Learning for Securing Industrial IoT Networks [47.386868423451595]
  MI$2$DASは、異常に基づく階層的なトラフィックプーリングとオープンセット認識を統合する多層侵入検知フレームワークである。 Edge-IIoTsetデータセットで実施された実験は、すべてのレイヤで強力なパフォーマンスを示している。 これらの結果は、IIoTセキュリティを強化するための効果的でスケーラブルで適応的なフレームワークとして、MI$2$DASを示している。
  論文  参考訳（メタデータ） (2026-02-27T09:37:05Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Halt the Hallucination: Decoupling Signal and Semantic OOD Detection Based on Cascaded Early Rejection [7.227431306238601]
  粗い論理による異常検出のための階層的フィルタリングを実現するカスケード早期退避(CER)フレームワークを提案する。 実験の結果、CERは計算オーバーヘッドを32%削減するだけでなく、CIFAR-100ベンチマークの大幅な性能向上も達成している。
  論文  参考訳（メタデータ） (2026-02-06T02:55:35Z)
• Provable Defense Framework for LLM Jailbreaks via Noise-Augumented Alignment [37.06683377953812]
  大規模言語モデル(LLM)は、GCGのような経験的防御を簡単に回避できる適応型ジェイルブレイクに対して脆弱なままである。 本研究では,安全保証をシングルパス推論からアンサンブルの統計的安定性にシフトさせる,証明可能なロバスト性のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-02T03:26:45Z)
• SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
  グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。 時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:42:45Z)
• DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [10.215216950059874]
  妨害攻撃は5Gネットワークに重大なリスクをもたらす。 本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。 提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
  論文  参考訳（メタデータ） (2024-03-05T04:29:31Z)

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。