論文の概要: A Bayesian Correlated Equilibrium for Early Insider-Threat Detection
- arxiv url: http://arxiv.org/abs/2609.03096v1
- Date: Wed, 02 Sep 2026 19:12:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.842125
- Title: A Bayesian Correlated Equilibrium for Early Insider-Threat Detection
- Title（参考訳）: 初期インサイダースリート検出のためのベイズ相関平衡
- Abstract要約: 我々は、内部脅威検出を、プラットフォームが戦略認定者の委員会を調整し、誠実なユーザ間の均衡を維持する動的ベイズゲームとしてモデル化する。
CERT r6.2では、我々のメカニズムは1.6%以下の偽陽性で28.3%の事前濾過検出を達成し、トランスフォーマーベースラインとストリーミング 前駆体近似の両方がほぼゼロの事前濾過検出を実現する。
- 参考スコア（独自算出の注目度）: 11.643788980306235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We model insider threat detection as a dynamic Bayesian game in which a platform coordinates a committee of strategic certifiers to sustain equilibrium among honest users and detect malicious deviations before exfiltration. Certifiers and users operate under a Bayesian Temporal Correlated Equilibrium (BTCE), where a sealed-envelope correlating device issues private recommendations over time and obedience is verified at every on-path information state. Unlike Stackelberg formulations, BTCE coordinates heterogeneous certifiers without requiring commitment power. We incorporate present bias and loss aversion to capture impulsive escalation dynamics, enabling 1.7--4.5 days earlier detection than rational baselines. We prove three guarantees: (1) calibrated intervention losses make recommended behavior a current-self best response despite behavioral biases, (2) controlled evidence accumulation guarantees intervention in bounded expected time before exfiltration, and (3) median aggregation confines implemented actions to the honest recommendation range when fewer than half of certifiers are Byzantine. On CERT r6.2 our mechanism achieves up to 28.3% pre-exfiltration detection with false positives below 1.6%, while both a transformer baseline and a streaming provenance approximation (HOLMESLite) achieve near-zero pre-exfiltration detection under comparable constraints.
- Abstract（参考訳）: 我々は、内部脅威検出を、プラットフォームが戦略認定者の委員会をコーディネートして、誠実なユーザ間の均衡を維持し、流出前に悪意のある偏差を検出する動的ベイズゲームとしてモデル化する。
認証者やユーザはベイズテンポラル関連平衡(BTCE)の下で活動し、封印されたエンベロープに関連するデバイスは、時間とともにプライベートレコメンデーションを発行し、すべてのオンパス情報状態で服従が検証される。
Stackelbergの定式化とは異なり、BTCEはコミットメントパワーを必要とせずに異種認証をコーディネートする。
インパルスエスカレーションのダイナミクスを捉えるために、現在のバイアスと損失回避を組み込んでおり、有理基底線よりも1.7-4.5日早く検出できる。
我々は,(1) 行動バイアスに拘わらず, 推奨行動が現在の自己最善反応となること, (2) 制御された証拠蓄積は, 拡散前の有界予測時間における介入を保証すること,(3) 認証者の半数未満がビザンティンである場合に, 厳密な勧告範囲に実施された行為を限定すること, の3つの保証を証明した。
CERT r6.2では、我々のメカニズムは1.6%以下の偽陽性で28.3%の事前濾過検出が達成され、一方、トランスフォーマーベースラインとストリーミング前駆体近似(HOLMESLite)は同等の制約下でほぼゼロの事前濾過検出が達成される。
関連論文リスト
- Prior-matched evaluation of operational Earth-observation classifiers: a three-number reporting method demonstrated on Sentinel-1 internal-wave detection [1.2599533416395765]
0.794 のバランステスト精度のモデルが実動作で0.192 となる。
トレーニング装束において, ミスマッチが評価問題であることを示す。
本稿では, バランステスト, 運用優先, 実際のポストデプロイの3つの図に基づいて, 事前マッチングしたレポート手法を示す。
論文 参考訳（メタデータ） (2026-07-08T08:38:40Z) - PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
PerceptionRubricsはルーブリックベースの評価フレームワークである。
飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。
1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
論文 参考訳（メタデータ） (2026-06-26T17:59:15Z) - False Sense of Safety in Selective Signal Classification: Auditing Bound Tightness and Exchangeability for Risk Control [6.3999417080764225]
分布自由リスク制御による選択的な予測では、キャリブレーションドローに対する信頼度1-deltaでは、受け入れられた入力のエラー率は、ユーザ予算のアルファ値以下である。
我々はこの約束を、機械異常音検出(ASD)とAI生成画像鑑定という信号領域検出器で監査する。
論文 参考訳（メタデータ） (2026-06-13T06:48:50Z) - Validation-Gated Multi-Agent Governance for Online Adaptation of Thermal-Hydraulic Surrogate Models under Operating-Regime Shift [3.732931548972571]
本研究では,実験熱水循環データに対するガード付き連続適応フレームワークを開発した。
MA-Fullモードでは、ロール分離されたマルチエージェント・カウンシルが評価ストリームの各ステップをレビューし、最低平均誤差5.72、35.8%を達成している。
論文 参考訳（メタデータ） (2026-06-02T08:31:48Z) - Unveiling the Entropy Dynamics of Chain-of-Thought Reasoning [81.57028614960576]
1)信頼性の高い -- 信頼性の高い -- 信頼性の高い領域での回答は高度に正確で安定したものになり、2)高冗長性 -- モデルは正しい回答に達した後ずっと経ってから不必要なトークンを生成する。
これらの特性はより効率的で信頼性の高い推論戦略を解き放つ。
論文 参考訳（メタデータ） (2026-06-01T10:11:14Z) - CALIBURN: A Regime-Sensitivity Study of Operationally Calibrated Streaming Intrusion Detection [0.0]
ストリーミングネットワーク侵入検知システムは、メモリのバウンドを維持しながら連続的にフローを処理しなければならない。
現在のほとんどの手法では、警告しきい値の選択は、運用に不適なポストホックチューニング問題として残されている。
本稿では,提案する5成分ストリーミング警告パイプラインであるCALIBURNについて述べる。
論文 参考訳（メタデータ） (2026-05-23T18:18:38Z) - Online Conformal Prediction with Corrupted Feedback [42.94410959330529]
オンライン共形予測(OCP)は適応的に更新された予測セットを通じてこの問題に対処する。
これらは、過去の予測セットのカバレッジに関する完全なフィードバックの仮定にヒンジを保証します。
実際には、観測された誤検出指標は、ノイズ、通信障害、あるいは敵の操作によって破損する可能性がある。
論文 参考訳（メタデータ） (2026-05-19T21:34:37Z) - Architecture-agnostic Lipschitz-constant Bayesian header and its application to resolve semantically proximal classification errors with vision transformers [0.0]
この研究は、アーキテクチャに依存しないリプシッツ・コンスタント・ベイジアンヘッダを示し、視覚変換器のような特徴抽出器に統合することができる。
また,不確実性と不確かさを誤分類率で捉えるための新しい指標と,適応型算術・平均融合方式を提案する。
モンテカルロサンプリングにより計算コストは上昇するが、事前に訓練されたバックボーンとのプラグ・アンド・プレイの互換性を提供する。
論文 参考訳（メタデータ） (2026-05-07T09:18:06Z) - Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。
EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。
最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
論文 参考訳（メタデータ） (2026-04-17T13:27:11Z) - Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。
MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。
我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
論文 参考訳（メタデータ） (2023-10-18T11:36:42Z) - 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)
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。