論文の概要: HSMLog: Small Language Model-Assisted Hardware Security Module Log Anomaly Detection with Behavioral Analysis

• arxiv url: http://arxiv.org/abs/2608.29773v1
• Date: Sun, 30 Aug 2026 13:01:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.072754
• Title: HSMLog: Small Language Model-Assisted Hardware Security Module Log Anomaly Detection with Behavioral Analysis
• Title（参考訳）: HSMLog: 動作解析を用いた小言語モデル支援ハードウェアセキュリティモジュールログ異常検出
• Abstract要約: HSMLogはHSMログ異常検出のための2段階のフレームワークである。 産業パートナーと共同で定義された異常シナリオを付加した実産業用HSMバックグラウンドログの評価。
• 参考スコア（独自算出の注目度）: 9.23348315822216
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hardware Security Module (HSM) logs capture security-critical behavior, but anomalies emerge from relationships across event sequences, keys, object states, sessions, and temporal patterns rather than isolated events. Existing methods separate detection from HSM-specific evidence validation and reporting. In this paper, we present HSMLog, a two-stage framework for HSM log anomaly detection with retrieval-grounded behavioral analysis. In Stage 1, a small language model (SLM) identifies candidate alerts from sliding windows of structured HSM events and performs policy-guided assessment using HSM-specific operational rules. In Stage 2, retrieved policies and historical suspicious-key records strictly predating the alert window, together with candidate-related log context, support conservative candidate review and incident analysis. Evaluated on real industrial HSM background logs augmented with anomaly scenarios co-defined with industrial partners, HSMLog achieves 98.97% precision, 96.00% recall, 98.66% anomalous-event coverage, and a 97.46% F1 score, demonstrating effective anomaly alerting and incident triage in the studied setting.
• Abstract（参考訳）: ハードウェアセキュリティモジュール(HSM)ログは、セキュリティクリティカルな振る舞いをキャプチャするが、イベントシーケンス、キー、オブジェクト状態、セッション、時間パターン間の関係から異常が発生する。 既存の方法は、HSM固有の証拠の検証と報告から分離している。 本稿では,HSMログ異常検出のための2段階フレームワークであるHSMLogについて述べる。 ステージ1では、小さな言語モデル(SLM)が構造化HSMイベントのスライディングウィンドウからの候補警告を特定し、HSM固有の運用ルールを使用してポリシー誘導アセスメントを実行する。 ステージ2では、警告ウィンドウを厳格に先行するポリシーと履歴不審なキーレコードが、候補関連ログコンテキストとともに、保守的な候補レビューとインシデント分析をサポートする。 HSMLogは、産業パートナーと共同で定義された異常シナリオで強化された実際の産業用HSMバックグラウンドログに基づいて、98.97%の精度、96.00%のリコール、98.66%の異常事象カバレッジ、97.46%のF1スコアを達成し、研究環境での効果的な異常警報とインシデントトリアージを実証している。

関連論文リスト

• A Privacy-Preserving Approach to Conformance Checking [0.0]
  コンフォーマンスチェックは、プロセスモデルとイベントログの相違を識別することを目的としている。 本稿では,文字列処理アルゴリズムと同型暗号化に基づく適合性チェックのためのセキュアなアプローチを提案する。
  論文  参考訳（メタデータ） (2026-04-30T22:47:28Z)
• CAM-LDS: Cyber Attack Manifestations for Automatic Interpretation of System Logs and Security Alerts [2.882241577423132]
  我々は,CAM-LDS(Cyber Attack Log Data Set)を7つの攻撃シナリオから構成し,完全にオープンソースかつ再現可能なテスト環境内の18の異なるソースから収集する。 攻撃実行から直接発生するログイベントを抽出し、コマンドオブザーバビリティイベント、パフォーマンスメトリクス、侵入検知アラートに関するマニフェストの分析を容易にする。 その結果,攻撃手順の約3分の1は,正しい攻撃手法が完璧に予測され,他の3分の1は適切な攻撃手順であることがわかった。
  論文  参考訳（メタデータ） (2026-03-04T15:38:21Z)
• ContraLog: Log File Anomaly Detection with Contrastive Learning and Masked Language Modeling [5.34230216484876]
  ContraLogは、個別のテンプレートIDではなく、連続メッセージの埋め込みを予測するログ異常検出手法である。 ContraLogが生成したメッセージ埋め込みは意味のある情報を持ち、シーケンスコンテキストなしでも異常を予測できることを示す。 結果は、他のイベントシーケンスに適用可能なログ異常検出のアプローチとして、埋め込みレベルの予測を強調している。
  論文  参考訳（メタデータ） (2026-02-03T15:59:40Z)
• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• SmartGuard: Leveraging Large Language Models for Network Attack Detection through Audit Log Analysis and Summarization [29.04306601920854]
  エンドポイント監視ソリューションは、高度な攻撃検出と調査をサポートするために、今日のエンタープライズ環境に広くデプロイされている。 監査ログに基づく既存の意味分析手法は,システムコールレベルにしか達せず,粒度が低い。 本稿では,監査イベントセマンティクスから抽象化された振る舞いと,大規模言語モデルを組み合わせたSmartGuardを提案する。
  論文  参考訳（メタデータ） (2025-06-20T13:19:17Z)
• Using Large Language Models for Template Detection from Security Event Logs [0.9217021281095907]
  イベントログ分析技術は、サイバー攻撃のタイムリーな検出と、過去のセキュリティインシデントの分析でセキュリティ専門家を支援するために不可欠である。 構造化されていないテキストイベントログから行パターンやテンプレートを検出することは、イベントログ分析の重要なタスクとして認識されている。 本稿では,構造化されていないセキュリティイベントログからテンプレートを教師なし検出するためのLarge Language Models (LLMs) の適用について検討する。
  論文  参考訳（メタデータ） (2024-09-08T10:06:54Z)
• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
  GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。 システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
  論文  参考訳（メタデータ） (2023-09-12T04:21:30Z)
• Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
  異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。 本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。 AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
  論文  参考訳（メタデータ） (2023-04-02T08:23:20Z)
• PULL: Reactive Log Anomaly Detection Based On Iterative PU Learning [58.85063149619348]
  本稿では,推定故障時間ウィンドウに基づくリアクティブ異常検出のための反復ログ解析手法PULLを提案する。 我々の評価では、PULLは3つの異なるデータセットで10のベンチマークベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2023-01-25T16:34:43Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。