論文の概要: A Case-Control Measurement Study of OSINT Source Effectiveness for Critical Infrastructure Defense

• arxiv url: http://arxiv.org/abs/2608.21471v1
• Date: Fri, 21 Aug 2026 03:47:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.207999
• Title: A Case-Control Measurement Study of OSINT Source Effectiveness for Critical Infrastructure Defense
• Title（参考訳）: 重要インフラ防衛におけるOSINT源効果の事例分析
• Abstract要約: クリティカルインフラストラクチャ(CI)のディフェンダーは、フィードが実際に攻撃に先立つ経験的な根拠なしに、多くの公開オープンソースインテリジェンス(OSINT)フィードを購読する。 我々は、最小ボリュームの閾値を満たす10のパブリックOSINTソースクラスに対して、ソース毎の攻撃カバレッジ、ヌルケース汚染、およびシグナルリードタイムを監査する。
• 参考スコア（独自算出の注目度）: 1.5655317691051946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Defenders of critical infrastructure (CI) subscribe to many public open-source intelligence (OSINT) feeds without an empirical basis for which feeds actually precede attacks. We provide one. Across 54 confirmed CI cyberattacks from 2010 through 2024 spanning twelve named CI sectors plus a cross-sector category (consolidation rules in Section IV), paired with 12 null-control vulnerability cases drawn from the same source space, we audit per-source attack coverage, null-case contamination, and signal lead time for ten public OSINT source classes that meet a minimum-volume threshold. Sources separate cleanly into three operationally distinct mission profiles (pooled Fisher exact p = 3.4x10^-8): precursor (six classes with zero observed null firings at coverage at or above 5%), disclosure-exposure (three classes whose null contamination meets or exceeds attack coverage), and one large broad-coverage class that mixes the two profiles but retains 91.3% within-corpus precision. The precision-side classification is stable across a 2019 temporal partition and across a US-versus-non-US geographic partition. Two sources, one broad-coverage and one precursor, cover 92.6% of corpus attacks; three cover 96.3%. The greedy portfolio at k = 3 outperforms the mean random three-source subset by 39.8 percentage points. Several source classes widely treated as canonical for industrial control system defense fall into the disclosure-exposure profile by operational mission, not by quality. Per-sector, per-actor, and per-jurisdiction portfolios diverge in rank order despite a shared rank-one source. The corpus, linkage protocol, and classification rules are released.
• Abstract（参考訳）: クリティカルインフラストラクチャ(CI)のディフェンダーは、フィードが実際に攻撃に先立つ経験的な根拠なしに、多くの公開オープンソースインテリジェンス(OSINT)フィードを購読する。 私たちは1つを提供します。 2010年から2024年までの54回のCIサイバー攻撃は、12のCIセクターとクロスセクタカテゴリ(第4節の強化ルール)にまたがっており、同じソース空間から引き出された12のnullコントロール脆弱性ケースと組み合わせて、最小ボリュームのしきい値を満たす10のパブリックOSINTソースクラスに対して、ソースごとの攻撃カバレッジ、nullケース汚染、シグナルリードタイムを監査しました。 出典は3つの運用上の異なるミッションプロファイル(Fisher exact p = 3.4x10^-8):前者(5%以上の範囲で観測されたヌル発射をゼロとする6つのクラス)、開示暴露(ヌル汚染が攻撃範囲を超える3つのクラス)、そして2つのプロファイルを混合するが、体内精度は91.3%である。 精度サイドの分類は、2019年の時間分割と、米国以外の地域分割の間で安定している。 2つの情報源、1つのカバーと1つの前駆体が92.6%のコーパス攻撃をカバーし、3つは96.3%をカバーしている。 k = 3のグリーディポートフォリオは、平均的なランダムな3ソース部分集合を39.8ポイント上回る。 産業制御システム防衛の標準として広く扱われるいくつかのソースクラスは、品質ではなく、運用ミッションによって開示・公開プロファイルに該当する。 ランク1のソースが共有されているにもかかわらず、シーケンスごと、アクターごと、およびアグリディションごとのポートフォリオはランク順にばらつきます。 コーパス、リンクプロトコル、および分類ルールがリリースされる。

関連論文リスト

• Hub-Spectral Activation of Latent Multimodal Knowledge [48.72626098917089]
  Hub-Spectral Activation (HSA) は、凍結表現における潜在マルチモーダル知識のハブ可読成分の回復と活性化のための閉形式法である。 HSAは、ハブエッジ統計データを合成し、標準化し、ペア化されたスペクトル方向を抽出し、信頼性に富んだ一致した証拠とソースゲートの候補分解を結合する。
  論文  参考訳（メタデータ） (2026-09-15T12:27:42Z)
• MaliciousSkillBench: A Comprehensive Benchmark for Malicious Agent Skill Detection [24.37473229751569]
  MaliciousSkillBenchは、悪意のあるエージェントスキル検出のための包括的なベンチマークである。 我々は13の公開ソースを統合し、そのうち11つはCoreの悪意のあるアーティファクトに貢献し、8,414の生の悪意のあるレコードを7,539の正規化されたユニクティックIDに減らした。 そして、3つの学習されたテキスト検出器と3つの既製のスキルスキャナを評価した。
  論文  参考訳（メタデータ） (2026-08-20T11:13:00Z)
• SingGuard-NSFA: Extensible Guardrails for Agentic AI via Generative Reasoning and Real-Time Classification [0.0]
  nsfaguardは、エージェントAIシステムを運用上の脅威から保護するためのガードレールフレームワークである。 まず,185種のリスク変異をCIA-Triad-grounded 階層に分類するNSFA分類について紹介する。 凍結したバックボーン上の識別的分類ヘッドと解釈可能なオフライン監査のためのSFTに基づく生成推論を組み合わせたデュアルモードアプローチを開発した。
  論文  参考訳（メタデータ） (2026-07-13T07:28:45Z)
• "I Strongly Suspect This Website Is a Scam": Benchmarking PII Leakage and Detection without Defense in Autonomous Web Agents [7.499940157426921]
  ソーシャルエンジニアリング攻撃は、フロンティアWebエージェントからクリティカルレベルPIIを抽出するのに非常に効果的である。 最重要レベルのPIIリークは、プライバシガイダンスなしで54～93%に達する。 以上の結果から,攻撃に対するエージェント自身の認識に条件付けされた防御が,誤ったシグナルを鳴らしていることが判明した。
  論文  参考訳（メタデータ） (2026-05-30T03:00:28Z)
• Separating Secrets from Placeholders: A Hybrid CNN-CodeBERT Framework for Three-Class Credential Leakage Detection [3.853925623717688]
  公開ソースコードリポジトリのクレデンシャルリークは、重大なセキュリティ脅威を引き起こす。 本稿では,プレースホルダーや弱い資格情報を個別のクラスとして明示的にモデル化する3クラス分類フレームワークを提案する。 10のプログラミング言語にまたがる9,426のサンプルを新たに構築したデータセットに対して,我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2026-05-29T16:36:20Z)
• Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
  エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。 Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。 すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
  論文  参考訳（メタデータ） (2026-04-07T17:43:18Z)
• Credential Leakage in LLM Agent Skills: A Large-Scale Empirical Study [51.717224133855886]
  サードパーティのスキルはLLMエージェントを強力な能力で拡張するが、特権のある環境では機密情報を扱うことが多い。 静的解析,サンドボックステスト,手動検査を用いて17,022のスキル(SkillsMPで170,226からサンプリング)を分析した。 我々は,1,708の課題で520の脆弱なスキルを識別し,10の漏洩パターン(事故4件,反対6件)の分類を導出する。
  論文  参考訳（メタデータ） (2026-04-03T14:50:16Z)
• The Specification Gap: Coordination Failure Under Partial Knowledge in Code Agents [0.0]
  2エージェント統合の精度は、詳細が削除されると58%から25%に低下する。 因子的回復実験により、完全な仕様を復元するだけで、単一エージェントの天井が回復することが示された。 このギャップは単に隠された情報の結果ではなく、共有された決定なしに互換性のあるコードを生成することの難しさを反映している。
  論文  参考訳（メタデータ） (2026-03-25T13:18:26Z)
• CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
  人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。 この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。 逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T15:06:44Z)
• Improved Certified Defenses against Data Poisoning with (Deterministic) Finite Aggregation [122.83280749890078]
  本報告では, 一般中毒に対する予防的対策として, フィニット・アグリゲーション(Finite Aggregation)を提案する。 トレーニングセットを直接非結合部分集合に分割するDPAとは対照的に、我々の方法はまず、トレーニングセットをより小さな非結合部分集合に分割する。 我々は、決定論的および集約的認証された防御設計をブリッジして、我々の方法の代替的な見解を提供する。
  論文  参考訳（メタデータ） (2022-02-05T20:08:58Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。