論文の概要: ADAPTD: Adaptive Detection and Proactive Threat Defense for Autonomous APT attacks

• arxiv url: http://arxiv.org/abs/2608.17251v1
• Date: Tue, 18 Aug 2026 01:12:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.176687
• Title: ADAPTD: Adaptive Detection and Proactive Threat Defense for Autonomous APT attacks
• Title（参考訳）: ADAPTD:自律型APT攻撃に対する適応的検出と予防的脅威防御
• Abstract要約: 本稿では,コミュニケーションと適応性を考慮した意思決定理論フレームワークADAPTDを提案する。 ADAPTDは、 (i) 多様な攻撃ベクトルを識別するためのコンパクトなキルチェーン、 (ii) タイムリーな封じ込めのための即時ブロッキング機構、 (iii) システムのセキュリティを回復するための予測的排除戦略を統合している。 本実験は,様々な脅威シナリオにおけるADAPTDの有効性を検証した。
• 参考スコア（独自算出の注目度）: 26.433051549548818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advanced persistent threat (APT) actors increasingly employ sophisticated techniques to propagate laterally through segmented enterprise networks. Timely detection and defense depend on cross-subnetwork coordination, yet maintaining global situational awareness generates substantial communication overhead. To manage this tradeoff, flexible monitoring and adaptable containment are imperative. This paper presents ADAPTD, a communication- and computation-efficient, decision-theoretic framework integrating: (i) compact kill chains for identifying diverse attack vectors, (ii) an immediate blocking mechanism for timely containment, and (iii) a predictive eviction strategy to restore system security. Our experiments validate ADAPTD's effectiveness across diverse threat scenarios. First, our decentralized belief update scheme outperforms state-of-the-art diffusion HMM. Second, ADAPTD substantially reduces false evictions compared to transformer-based detection. Third, under noisy environments, adaptive blocking contains attackers while minimizing unnecessary disruption. Lastly, the ablation study confirms that combining two defensive actions significantly reduces the defender's total cost.
• Abstract（参考訳）: 高度な永続的脅威(APT)アクターは、セグメント化されたエンタープライズネットワークを通じて、横方向に伝播する高度なテクニックをますます採用している。 タイムリーな検出と防御は、ネットワーク間の協調に依存するが、グローバルな状況認識を維持することで、かなりの通信オーバーヘッドが発生する。 このトレードオフを管理するためには、フレキシブルな監視と適応可能な封じ込めが不可欠である。 本稿では,通信効率と計算効率のよい決定理論フレームワークであるADAPTDについて述べる。 (i)多様な攻撃ベクトルを識別するための小型キルチェーン。 二 タイムリーな封じ込めの即時防止機構、及び 三 システムのセキュリティを回復するための予測的排除戦略 本実験は,様々な脅威シナリオにおけるADAPTDの有効性を検証した。 第一に、我々の分散的信念更新方式は、最先端拡散HMMよりも優れている。 第2に、ADAPTDは変圧器による検出と比較して、誤判定を大幅に削減する。 第3に、ノイズの多い環境下では、アダプティブブロッキングには攻撃者が含まれ、不要な破壊を最小限に抑える。 最後に,2つの防御行動を組み合わせることで,防御者の総費用が大幅に削減されることを確認した。

関連論文リスト

• MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
  事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。 本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。 適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
  論文  参考訳（メタデータ） (2026-08-02T10:05:50Z)
• Stateful Cooperative Agents Safeguarding LLMs Against Evolving Multi-Turn Attacks [56.45762972211923]
  マルチターン攻撃に対するLDMの安全性を確保するためのプロアクティブ・ディフェンス・フレームワークを提案する。 特殊なエージェントが補完的な防衛戦略を実行するような、協調的なマルチエージェントアーキテクチャを採用している。 マルチターン攻撃における進化戦略をシミュレートするEMRAデータセットを提案する。
  論文  参考訳（メタデータ） (2026-07-31T14:04:49Z)
• ICON: Indirect Prompt Injection Defense for Agents based on Inference-Time Correction [24.416258744287166]
  ICONは、タスクの連続性を維持しながら攻撃を中和する、調査と軽減のためのフレームワークである。 ICONは競争力のある0.4%のASRを達成し、商業グレード検出器と一致し、50%以上のタスクユーティリティーゲインを得る。
  論文  参考訳（メタデータ） (2026-02-24T09:13:05Z)
• INFA-Guard: Mitigating Malicious Propagation via Infection-Aware Safeguarding in LLM-Based Multi-Agent Systems [70.37731999972785]
  本稿では,感染防止対策の枠組みであるINFA-Guardを提案する。 修復中、INFA-Guardは攻撃者を置き換え、感染した者を修復し、トポロジカルな整合性を維持しながら悪意のある伝播を避ける。
  論文  参考訳（メタデータ） (2026-01-21T05:27:08Z)
• Cognitive Control Architecture (CCA): A Lifecycle Supervision Framework for Robustly Aligned AI Agents [1.014002853673217]
  LLMエージェントはIPI(Indirect Prompt Injection)攻撃に対して脆弱である。 IPIは外部情報ソースを汚染することでハイジャックエージェントの動作を攻撃している。 本稿では,全ライフサイクルの認知管理を実現するための総合的な枠組みである認知制御アーキテクチャ(CCA)を提案する。
  論文  参考訳（メタデータ） (2025-12-07T08:11:19Z)
• Stealth by Conformity: Evading Robust Aggregation through Adaptive Poisoning [5.205955684180866]
  Federated Learning(FL)は、プライバシの問題に対処するために設計された分散学習パラダイムである。 我々は適応的かつ回避的な毒殺戦略であるChameleon Poisoning (CHAMP)を提案する。 CHAMPは、より効果的で回避可能な中毒を可能にし、既存の堅牢なアグリゲーション防衛の基本的な制限を強調している。
  論文  参考訳（メタデータ） (2025-09-03T13:40:54Z)
• CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
  本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。 CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。 フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
  論文  参考訳（メタデータ） (2025-08-01T09:53:06Z)
• Mitigating Backdoor Triggered and Targeted Data Poisoning Attacks in Voice Authentication Systems [4.856070170902535]
  本稿では,BTAとTDPAの両方を効果的に扱う統一防衛フレームワークを提案する。 筆者らのフレームワークは,ほぼリアルタイムにピッチアップとバックドアアタックを隠蔽する周波数集中検出機構を統合している。 我々の枠組みはTDPAの認識において、攻撃成功率を最大5～15%まで低下させ、リコールレートを最大9～5%まで維持する。
  論文  参考訳（メタデータ） (2025-05-06T11:52:12Z)
• Residual-Evasive Attacks on ADMM in Distributed Optimization [2.999222219373899]
  本稿では,ADMMシステムにおける検出を回避するための2つの攻撃戦略を提案する。 我々は、残余がほとんど変化しないままにしておくことで、我々の攻撃は未発見のままであることを示す。 2つの戦略の比較は、一般的に使用されるナイーブ攻撃と合わせて、単純さ、検出可能性、有効性の間のトレードオフを明らかにしている。
  論文  参考訳（メタデータ） (2025-04-22T09:12:27Z)
• Avoid Adversarial Adaption in Federated Learning by Multi-Metric Investigations [55.2480439325792]
  Federated Learning(FL)は、分散機械学習モデルのトレーニング、データのプライバシの保護、通信コストの低減、多様化したデータソースによるモデルパフォーマンスの向上を支援する。 FLは、中毒攻撃、標的外のパフォーマンス劣化とターゲットのバックドア攻撃の両方でモデルの整合性を損なうような脆弱性に直面している。 我々は、複数の目的に同時に適応できる、強い適応的敵の概念を新たに定義する。 MESASは、実際のデータシナリオで有効であり、平均オーバーヘッドは24.37秒である。
  論文  参考訳（メタデータ） (2023-06-06T11:44:42Z)
• Investigating Robustness of Adversarial Samples Detection for Automatic Speaker Verification [78.51092318750102]
  本研究は,ASVシステムに対して,別個の検出ネットワークによる敵攻撃から防御することを提案する。 VGGライクな二分分類検出器を導入し、対向サンプルの検出に有効であることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T04:31:56Z)

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。