Fugu-MT 論文翻訳(概要): Navigating the Latent Manifold: Proactive Concept Drift Adaptation for Resilient NIDS

論文の概要: Navigating the Latent Manifold: Proactive Concept Drift Adaptation for Resilient NIDS

arxiv url: http://arxiv.org/abs/2609.08623v1
Date: Tue, 08 Sep 2026 11:58:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 16:10:35.789475
Title: Navigating the Latent Manifold: Proactive Concept Drift Adaptation for Resilient NIDS
Title（参考訳）: 遅れたマニフォールドをナビゲートする:弾力性NIDSのためのプロアクティブなコンセプトドリフト適応
Abstract要約: ドリフト適応検出のための新しいNIDSであるDriftXpertを提案する。フェーズ1では、潜在多様体偏差に基づく教師なし異常計量を導入する。位相2において、非定常分布下での破滅的忘れを緩和するために、表現整合性整合戦略を設計する。
参考スコア（独自算出の注目度）: 1.9678915302433768
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Network intrusion detection systems (NIDS) are critical for cybersecurity, safeguarding services and data from potential attacks. However, existing AI-based NIDS often assume static data distributions and fail to handle concept drift, leading to degraded performance and increased false positives in dynamic network environments. To address this issue, we propose DriftXpert, a novel NIDS for drift-adaptive detection. Specifically, we propose a decoupled two-stage offline adaptive framework. In Phase 1, we introduce an unsupervised anomaly metric based on latent manifold deviation. By performing outlier analysis within the latent space, the framework achieves high-sensitivity detection of network traffic concept drift. In Phase 2, to mitigate catastrophic forgetting under non-stationary distributions, we design a representation consistency alignment strategy. This strategy constrains the feature mapping between the legacy model and the drifted distribution, ensuring the model captures emerging attack characteristics while retaining discriminative power over known patterns. Furthermore, we incorporate cross-epoch neuron weight aggregation and selective freezing mechanisms to enable fine-grained knowledge transfer in the parameter space, effectively balancing model plasticity and stability. Extensive experiments on public datasets demonstrate that DriftXpert effectively adapts to drifted data without catastrophic forgetting. Furthermore, real-world evaluations on enterprise network further confirm its robustness and practical applicability, contributing to improved security protection for millions of users.
Abstract（参考訳）: ネットワーク侵入検知システム(NIDS)は、サイバーセキュリティ、サービス、潜在的な攻撃からのデータを保護するために重要である。しかし、既存のAIベースのNIDSは静的なデータ分散を前提としており、コンセプトドリフトの処理に失敗することが多いため、パフォーマンスが劣化し、動的ネットワーク環境における偽陽性が増大する。そこで本研究では,ドリフト適応検出のための新しいNIDSであるDriftXpertを提案する。具体的には、分離された2段階のオフライン適応フレームワークを提案する。フェーズ1では、潜在多様体偏差に基づく教師なし異常計量を導入する。このフレームワークは、潜伏空間内の外れ値解析を行うことで、ネットワークトラフィック概念のドリフトの高感度検出を実現する。非定常分布下での破滅的忘れを緩和するフェーズ2において、表現整合性整合戦略を設計する。この戦略は、レガシモデルとドリフト分布の機能マッピングを制約し、既知のパターンに対する識別力を維持しながら、出現する攻撃特性を確実にキャプチャする。さらに, パラメータ空間における微粒な知識伝達を可能にするため, モデル可塑性と安定性のバランスをとるために, クロスエポックニューロンの重み付けと選択的凍結機構を組み込んだ。公開データセットに関する大規模な実験により、DriftXpertは破滅的な忘れをすることなく、漂流したデータに効果的に適応することを示した。さらに、企業ネットワークにおける実世界の評価は、その堅牢性と実用性をさらに確認し、数百万のユーザに対するセキュリティ保護の改善に貢献している。

関連論文リスト

A Continual Validation, Updating, and Decision-Making Framework for Self-Adaptive Digital Twins via Robust Model Predictive Control: A Case Study in Additive Manufacturing [11.700555168494917]
Digital Twinsは、物理システムをリアルタイムでミラーする代理モデルに頼っているが、これらのモデルは動作条件が進化するにつれて劣化する可能性がある。既存の適応フレームワークには、更新が必要なタイミングを検出するための原則的なメカニズムがない。本稿では、Fisherスコアに基づく多変量ドリフト検出器、パラメータ効率の連続学習のためのローランド適応(LoRA)、オンライン統計検証のためのMann-Whitney $U$テストを統合する適応型Digital Twinフレームワークを提案する。
論文参考訳（メタデータ） (2026-07-20T17:07:41Z)
FIRCE: A Framework for Intrusion Response and Conformal Evaluation [3.3271517946886924]
FIRCEは侵入応答とコンフォーマル評価のためのフレームワークである。同型評価に基づく不確実性定量化とドリフト検出をサポートする。我々は、FIRCEが分散シフトを検出し、モデル再トレーニングをトリガーする能力を実証する。
論文参考訳（メタデータ） (2026-05-03T16:48:03Z)
Toward Real-World IoT Security: Concept Drift-Resilient IoT Botnet Detection via Latent Space Representation Learning and Alignment [2.5782420501870296]
本稿では,適応型IoT脅威検出のためのスケーラブルなフレームワークを提案する。アライメントモデルは、入力したトラフィックを、分類の前に学習された歴史的潜在空間にマッピングする。攻撃サンプル間のインスタンス間関係をキャプチャするために、低次元の潜在表現をグラフ構造化形式に変換する。
論文参考訳（メタデータ） (2025-12-27T06:13:19Z)
ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文参考訳（メタデータ） (2025-10-09T17:59:36Z)
Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations [67.35596444651037]
視覚言語モデル(VLM)は、素晴らしいゼロショット機能を示すが、ラベル付きデータが利用できない場合、下流タスクの分散シフトに苦慮する。本稿では,信頼性を両面から高めるReliable Test-Time Adaptation (ReTA)法を提案する。
論文参考訳（メタデータ） (2025-07-13T05:37:33Z)
Generative Active Adaptation for Drifting and Imbalanced Network Intrusion Detection [14.728689487990836]
生成能動適応フレームワークは、モデルロバスト性を高めながらラベリング作業を最小化する。我々は、シミュレーションIDSデータと実世界のISPデータセットの両方に基づいて、エンドツーエンドフレームワークNetGuardを評価した。
論文参考訳（メタデータ） (2025-03-04T21:49:42Z)
Continual Learning with Strategic Selection and Forgetting for Network Intrusion Detection [6.3399691183255165]
侵入検知システム(IDS)はデジタルインフラの保護に不可欠である。本稿では,IDSの新しい連続学習手法であるSSF(Strategic Selection and Forgetting)を提案する。提案手法は,新しいサンプルを選択的に選択する戦略的サンプル選択アルゴリズムと,古いサンプルをドロップする戦略的忘れ機構を備える。
論文参考訳（メタデータ） (2024-12-20T09:22:07Z)
Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
論文参考訳（メタデータ） (2024-06-29T02:40:28Z)
The Risk of Federated Learning to Skew Fine-Tuning Features and Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。 3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文参考訳（メタデータ） (2024-01-25T09:18:51Z)
Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
論文参考訳（メタデータ） (2020-12-10T23:28:36Z)
Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。