論文の概要: eBPF-Based Cybersecurity Mechanisms: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2608.27511v1
- Date: Thu, 27 Aug 2026 08:17:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.09292
- Title: eBPF-Based Cybersecurity Mechanisms: A Systematic Literature Review
- Title（参考訳）: eBPFベースのサイバーセキュリティメカニズム:システム文献レビュー
- Abstract要約: 拡張バークレーパケットフィルタ(eBPF)は、現代のオペレーティングシステムにおける動的セキュリティ強化を可能にするカーネルレベルのフレームワークとして登場した。
この体系的な文献レビューは、PRISMA方法論を適用して、eBPFベースのサイバーセキュリティメカニズムに関する査読された研究を特定し、分類し、合成する。
- 参考スコア（独自算出の注目度）: 1.5885137911617144
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extended Berkeley Packet Filter (eBPF) has emerged as a kernel-level framework enabling dynamic security enforcement in modern operating systems. While eBPF's cybersecurity potential has attracted significant attention, existing work remains fragmented across domains, evaluation methodologies, and deployment contexts. This systematic literature review applies PRISMA methodology to identify, categorize, and synthesize peer-reviewed research on eBPF-based cybersecurity mechanisms. Following a structured screening of 3,735 records from six databases, 54 primary studies (2018-2026) were analyzed and organized into a seven-domain taxonomy: DDoS mitigation, intrusion detection, IoT security, container security, microservice protection, networking, and security tools. Analysis reveals eBPF enables low-overhead security enforcement (median 2.4% CPU overhead [1.1-8.6%], ranging from nanosecond-scale costs for infrequent hooks to 10-20% for kernel hot paths) with high detection accuracy (94-99%). It particularly excels in kernel-level monitoring, real-time packet processing, and cloud-native workload protection. However, significant challenges persist: verifier-imposed constraints limit algorithm complexity, 85.1% (46/54) of studies require low-level programming expertise, kernel version fragmentation hinders portability, and 96.2% (52/54) of research fails to address eBPF's own vulnerabilities. This review identifies critical research gaps in multi-tenant isolation, adversarial machine learning (ML) robustness, production validation, and standardized evaluation frameworks. By consolidating fragmented knowledge and highlighting architectural trade-offs between safety and expressiveness, this work provides a foundation for next-generation eBPF security systems and actionable directions for kernel programmability research.
- Abstract（参考訳）: 拡張バークレーパケットフィルタ(eBPF)は、現代のオペレーティングシステムにおける動的セキュリティ強化を可能にするカーネルレベルのフレームワークとして登場した。
eBPFのサイバーセキュリティの可能性は注目されているが、既存の作業はドメイン、評価方法論、デプロイメントコンテキストで断片化されている。
この体系的な文献レビューは、PRISMA方法論を適用して、eBPFベースのサイバーセキュリティメカニズムに関する査読された研究を特定し、分類し、合成する。
6つのデータベースからの3,735レコードの構造化スクリーニングに続いて、54のプライマリスタディ(2018-2026)が分析され、7つのドメイン分類に編成された。
分析によると、eBPFは高い検出精度(94-99%)で低オーバーヘッドセキュリティ(CPUオーバーヘッドの2.4%[1.1-8.6%])を可能にする。
特にカーネルレベルの監視、リアルタイムパケット処理、クラウドネイティブなワークロード保護に優れています。
検証済みの制約はアルゴリズムの複雑さを制限し、85.1% (46/54)の研究は低レベルプログラミングの専門知識を必要とし、カーネルバージョンの断片化は移植性を妨げ、96.2% (52/54)の研究はEBPFの脆弱性に対処できない。
このレビューでは、マルチテナントアイソレーション、敵機械学習(ML)の堅牢性、生産検証、標準化された評価フレームワークにおける重要な研究ギャップを特定する。
断片化された知識を統合し、安全性と表現性の間のアーキテクチャ上のトレードオフを強調することにより、次世代のeBPFセキュリティシステムの基礎と、カーネルプログラマビリティ研究の実用的な方向性を提供する。
関連論文リスト
- Multi-LLM Consensus Framework for Evaluating Banking-Sector NIDS Dataset Coverage of MITRE ATT&CK Techniques [1.2151807224130857]
グローバルバンキングネットワークのシステム的臨界は、先進的な永続的脅威に対する高いプライオリティ目標を放棄している。
標準ベンチマークで高い精度を達成するNIDSモデルは、しばしば運用銀行環境で失敗する。
本稿では,既存のNIDSベンチマークデータセットが攻撃行動をどの程度カバーしているかを評価するセクター対応評価手法について検討する。
論文 参考訳（メタデータ） (2026-08-01T23:23:13Z) - A Survey of LLM-Driven Penetration Testing: Taxonomy, Co-Evolution, and Open Challenges [39.189948044905364]
文献は評価ベンチマーク,汎用システム,ドメイン固有のフレームワーク,CTFベースのシステム,防衛指向研究,調査の6つのカテゴリに分類される。
まず、RLVRは、専門家によるデモンストレーションの模倣から報酬駆動による自己改善への能力獲得のシフトを示す。
第二に、CTFプラットフォームはテストベッドの評価からエージェント評価とRLトレーニングの両方のための多目的インフラストラクチャへと進化してきた。
論文 参考訳（メタデータ） (2026-07-01T13:24:25Z) - A Formal Security Framework for MCP-Based AI Agents: Threat Taxonomy, Verification Models, and Defense Mechanisms [0.0]
Model Context Protocol (MCP) は、大規模言語モデル(LLM)ベースのエージェントを外部ツールやデータソースに接続するためのデファクトスタンダードとなっている。
本稿では,MPPベースのAIエージェントのための総合的なセキュリティフレームワークであるMPPSHIELDを提案する。
論文 参考訳（メタデータ） (2026-04-07T15:02:47Z) - 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) - Towards Secure Retrieval-Augmented Generation: A Comprehensive Review of Threats, Defenses and Benchmarks [21.880338678029503]
Retrieval-Augmented Generation (RAG)は、大規模言語モデルにおける幻覚とドメイン知識の欠如を、外部知識ベースを組み込むことによって著しく軽減する。
本稿では、その基盤となる脆弱性メカニズムを分析し、データ中毒、敵攻撃、メンバシップ推論攻撃などのコア脅威ベクトルを体系的に分類する。
潜在的なリスクについて深い洞察を得ることにより、この研究は、高度に堅牢で信頼性の高い次世代RAGシステムの開発を促進することを目指している。
論文 参考訳（メタデータ） (2026-03-23T07:32:59Z) - What Matters For Safety Alignment? [38.86339753409445]
本稿では,AIシステムの安全アライメント能力に関する総合的研究について述べる。
本研究では,6つの重要な内在モデル特性と3つの外部攻撃手法の影響を系統的に検討し,比較した。
LRMs GPT-OSS-20B, Qwen3-Next-80B-A3B-Thinking, GPT-OSS-120Bを最も安全な3つのモデルとして同定した。
論文 参考訳（メタデータ） (2026-01-07T12:31:52Z) - Automated Red-Teaming Framework for Large Language Model Security Assessment: A Comprehensive Attack Generation and Detection System [4.864011355064205]
本稿では,大規模言語モデル(LLM)におけるセキュリティ脆弱性を明らかにするための,敵のプロンプトを生成し,実行し,評価する自動リピートフレームワークを提案する。
本フレームワークは,メタプロンプトに基づく攻撃合成,マルチモーダル脆弱性検出,および6つの主要な脅威カテゴリにまたがる標準化された評価プロトコルを統合する。
GPT-OSS-20Bモデルの実験では、21の重大度と12の新たな攻撃パターンを含む47の異なる脆弱性が明らかになった。
論文 参考訳（メタデータ） (2025-12-21T19:12:44Z) - An Empirical Study on the Security Vulnerabilities of GPTs [48.12756684275687]
GPTは、OpenAIの大規模言語モデルに基づいた、カスタマイズされたAIエージェントの一種である。
本稿では,GPTのセキュリティ脆弱性に関する実証的研究について述べる。
論文 参考訳（メタデータ） (2025-11-28T13:30:25Z) - A Proactive Insider Threat Management Framework Using Explainable Machine Learning [0.14323566945483496]
本研究では,Insider Threat Explainable Machine Learning(IT-XML)フレームワークを提案する。
インサイダー脅威パターンに関する従業員の知識を評価するために,オンラインアンケートを用いて定量的アプローチを採用する。
このフレームワークは、すべての組織を97-98%の信頼性でセキュリティ成熟度レベルに分類し、91.7%の分類精度を達成した。
論文 参考訳（メタデータ） (2025-10-22T14:08:38Z) - CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus [45.24207460381396]
本稿では,制御領域ネットワーク(CAN)環境向けに設計された新しい侵入検知システム(IDS)を提案する。
RISC-VベースのCAN受信機はgem5シミュレータを用いてシミュレートされ、AES-128暗号化によるCANフレームペイロードをFreeRTOSタスクとして処理する。
結果は、このアプローチがCANセキュリティを大幅に改善し、自動車サイバーセキュリティにおける新たな課題に対処する可能性があることを示唆している。
論文 参考訳（メタデータ） (2025-07-19T20:09:52Z) - CyberGym: Evaluating AI Agents' Real-World Cybersecurity Capabilities at Scale [45.97598662617568]
我々は188のソフトウェアプロジェクトにわたる1,507の実際の脆弱性を特徴とする大規模ベンチマークであるCyberGymを紹介した。
我々はCyberGymが35のゼロデイ脆弱性と17の歴史的不完全なパッチを発見できることを示した。
これらの結果は、CyberGymは、サイバーセキュリティにおけるAIの進歩を測定するための堅牢なベンチマークであるだけでなく、直接的な現実世界のセキュリティ効果を生み出すためのプラットフォームでもあることを強調している。
論文 参考訳（メタデータ） (2025-06-03T07:35:14Z) - Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。
既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。
本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-22T08:34:35Z)
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。