論文の概要: Cost-Aware Hierarchical Multi-Agent Ransomware Detection and Family Attribution
- arxiv url: http://arxiv.org/abs/2609.04820v1
- Date: Fri, 04 Sep 2026 07:17:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.958984
- Title: Cost-Aware Hierarchical Multi-Agent Ransomware Detection and Family Attribution
- Title（参考訳）: コストを考慮した階層型マルチエージェントランサムウェア検出と家族属性
- Abstract要約: 本稿では,適応型ランサムウェア検出のためのコストアウェア階層型マルチエージェントシステム(HMAS)を提案する。
コストモデルでは、計算コストに対する解析性能のバランスをとるために、モダリティの使用と処理オーバーヘッドが組み込まれている。
HMASは96.57%の精度、0.96F1スコア、0.99ROC-AUCを達成している。
- 参考スコア（独自算出の注目度）: 1.3464152928754487
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ransomware detection and family attribution require analysis of different modalities because it can use packing, obfuscation, process manipulation and runtime evasion techniques. However, conventional multimodal usually uses all available modalities for every sample resulting in unnecessary computational cost and increased latency. In this paper, we present a Cost Aware Hierarchical Multi-Agent System (HMAS) for adaptive ransomware detection. The proposed architecture organizes specialized agents into hierarchical domain controllers coordinated by a Meta Orchestrator. Static analysis is used as the initial low-cost modality while additional dynamic and memory modality is selectively used when confidence is insufficient or specialist agents exhibit disagreement. A cost model incorporates modality use and processing overhead. It enables the orchestration policy to balance analysis performance against computational cost. A locally deployed large language model provides verification for selected difficult cases without replacing the deterministic pipeline. Experimental evaluation compares adaptive HMAS with static only, static plus dynamic and exhaustive analysis policies across binary ransomware detection and multiclass family attribution. The complete HMAS achieved 96.57% accuracy, 0.96 F1-score and 0.99 ROC-AUC for binary detection. It also achieved 0.90 macro-F1 for family attribution. At the same time, the HMAS reduced average analysis cost by 43.97% relative to exhaustive analysis and substantially reduced average analysis latency except for the case where LLM is used. Routing analysis showed that 56.05% of cases were resolved using static evidence alone. Only 4.33% required the complete evidence pipeline. These findings demonstrate that adaptive HMAS can provide accuracy cost tradeoff for ransomware analysis while retaining support for heterogeneous and incomplete modalities.
- Abstract（参考訳）: ランサムウェアの検出とファミリー属性は、パッキング、難読化、プロセス操作、実行時の回避技術を使用することができるため、異なるモダリティの分析を必要とする。
しかしながら、従来のマルチモーダルは、通常、全てのサンプルに対して利用可能なすべてのモダリティを使用し、不必要な計算コストと遅延の増加をもたらす。
本稿では,適応型ランサムウェア検出のためのコストアウェア階層型マルチエージェントシステム(HMAS)を提案する。
提案アーキテクチャでは,特殊エージェントをメタオーケストレータによって調整された階層型ドメインコントローラに編成する。
静的解析は初期低コストのモダリティとして使用され、信頼性が不十分な場合や専門家が不一致を示す場合、追加の動的および記憶的モダリティが選択的に使用される。
コストモデルは、モダリティの使用と処理のオーバーヘッドを含む。
これにより、オーケストレーションポリシーは、解析性能と計算コストのバランスをとることができる。
ローカルにデプロイされた大きな言語モデルは、決定論的パイプラインを置き換えることなく、選択された難しいケースの検証を提供する。
適応型HMASと静的にのみ静的かつ動的かつ徹底的な解析ポリシーをバイナリランサムウェア検出とマルチクラスファミリー属性で比較した。
HMASは96.57%の精度、0.96F1スコア、0.99ROC-AUCを達成している。
また、家族属性の0.90マクロF1も達成した。
同時に、HMASは、LCMを使用する場合を除いて、排他的分析と比較して平均分析コストを43.97%削減し、平均解析遅延を大幅に削減した。
ルート分析の結果、56.05%のケースは静的証拠だけで解決された。
4.33%のみが完全なエビデンスパイプラインを必要とした。
これらの結果から,適応型HMASはランサムウェア解析において,不均一性や不完全性のサポートを維持しつつ,精度の高いトレードオフをもたらすことが示唆された。
関連論文リスト
- Attributing Emergence in Million-Agent Systems [68.53670424791751]
大規模言語モデル(LLM)は、個々のエージェントにおける人間のような推論と意思決定をシミュレートすることができる。
このような研究は、個々のエージェントにマクロな出現をもたらす必要がある。
Aumann--Shapley path-integral attribution to LLM-powered MAS at million-agent scale。
論文 参考訳（メタデータ） (2026-05-12T01:49:41Z) - ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
$textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。
Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
論文 参考訳（メタデータ） (2026-05-11T16:20:51Z) - Physics-Grounded Multi-Agent Architecture for Traceable, Risk-Aware Human-AI Decision Support in Manufacturing [1.2090375982772545]
自由形航空宇宙部品の高精度CNC加工には, 検査, シミュレーション, プロセス知識による補償が必要である。
本稿では,マルチエージェント・ナレッジ・アナリティクス(Maka)を提案する。
MAKAは、人間の承認のために推奨される前に、物理的な妥当性、安全性の限界、完全性を強制する。
論文 参考訳（メタデータ） (2026-05-05T17:24:53Z) - VCAO: Verifier-Centered Agentic Orchestration for Strategic OS Vulnerability Discovery [0.0]
ベイジアン・スタックルバーグ検索ゲームとしてのオペレーティングシステム脆弱性発見の定式化
textscVCAO (textbfVerifier-textbfC enter textbfAgentic textbfOrchestration), 表面マッピング, カーネル内攻撃グラフ構築, ゲーム理論ファイル/機能ランキング, 並列実行エージェント, カスケード検証, 安全管理者を含む6層アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-04-09T14:27:10Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Multimodal Multi-Agent Ransomware Analysis Using AutoGen [1.096626056612224]
このフレームワークは数千のランサムウェアと良質なサンプルを含む大規模なデータセットで評価された。
単一モダリティと非適応核融合ベースラインを上回り、マクロF1で最大0.936の改善を達成している。
100エポック以上では、エージェントフィードバックループは安定な単調収束を示し、エージェントの品質の面では+0.75以上の絶対的な改善をもたらす。
論文 参考訳（メタデータ） (2026-01-28T08:02:37Z) - ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs [37.23311145049677]
本稿では,機能異方性(Capability Anisotropy)を診断するためのスケーラブルなシステムであるReLEを提案する。
我々は,207,843サンプルからなる領域$times$ Capability SymbolicMatrixの304モデルを評価した。
論文 参考訳（メタデータ） (2026-01-24T09:57:59Z) - LLM-Powered Detection of Price Manipulation in DeFi [12.59175486585742]
分散ファイナンス(DeFi)のスマートコントラクトは数十億ドルを管理し、エクスプロイトの主要なターゲットとなっている。
価格操作の脆弱性は、しばしばフラッシュローンを通じて発生し、壊滅的な攻撃の類である。
本稿では,静的解析とLarge Language Model(LLM)に基づく推論を組み合わせたハイブリッドフレームワークPMDetectorを提案する。
論文 参考訳（メタデータ） (2025-10-24T09:13:30Z) - Probabilistically Tightened Linear Relaxation-based Perturbation Analysis for Neural Network Verification [83.25968588249776]
本稿では,LiRPAに基づく手法とサンプリングに基づく手法を組み合わせることで,厳密な中間到達性集合を計算できる新しいフレームワークを提案する。
無視可能な計算オーバーヘッドでは、$textttPT-LiRPA$は推定された到達可能な集合を利用し、ニューラルネットワークの出力の上下線形境界を著しく締め付ける。
論文 参考訳（メタデータ） (2025-07-07T18:45:53Z) - A Robustness Analysis of Blind Source Separation [91.3755431537592]
ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。
このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。
定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
論文 参考訳（メタデータ） (2023-03-17T16:30:51Z) - A general sample complexity analysis of vanilla policy gradient [101.16957584135767]
政策勾配(PG)は、最も一般的な強化学習(RL)問題の1つである。
PG軌道の「バニラ」理論的理解は、RL問題を解く最も一般的な方法の1つである。
論文 参考訳（メタデータ） (2021-07-23T19:38:17Z)
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。