論文の概要: A First-Principles Evaluation of Graph-Based Network Intrusion Detection Systems

• arxiv url: http://arxiv.org/abs/2609.12263v1
• Date: Thu, 10 Sep 2026 22:38:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.561226
• Title: A First-Principles Evaluation of Graph-Based Network Intrusion Detection Systems
• Title（参考訳）: グラフベースネットワーク侵入検知システムの第一原理評価
• Abstract要約: グラフベースのネットワーク侵入検知システム(GIDS)は、強力なベンチマーク検出指標を報告しているが、これらの指標はデプロイ可能性についてはほとんど確立していない。 我々は,9つの代表的なGIDSを調査し,その中の5つをGIDS-Eval内に再実装し,マッチしたプロトコルの下で4つのデータセット上で評価する。 我々は,同じフレームワーク上に構築されたエンコーダフリーコントロールであるGIDS-Liteを紹介した。
• 参考スコア（独自算出の注目度）: 7.608784888435352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Graph-based network intrusion detection systems (GIDS) report strong benchmark detection metrics, but those metrics establish little about deployability. We approach the problem from first principles: rather than inheriting the preprocessing, windowing, and thresholding conventions of each published system, we ask what a controlled comparison requires and impose it uniformly. The result is GIDS-Eval, an evaluation framework that decomposes a GIDS into six interchangeable stages and turns those conventions into explicit experimental variables, so reported performance can be attributed to individual stages instead of whole pipelines. We survey nine representative GIDS, reimplement five of them within GIDS-Eval, and evaluate them on four datasets under one matched protocol. We identify nine recurring evaluation gaps and quantify the impact of each: two crafted edges achieve full evasion against three of the eight detector-dataset pairs with anything to hide; the snapshot window alone accounts for a mean 38.3% relative swing in average precision (AP); aligning preprocessing across systems moves AP by up to 61.8 percentage points for a single detector; and none of the 18 detector-dataset pairs we replay can alert as events arrive. We introduce GIDS-Lite, an encoder-free control built in the same framework, which ranks first by AP on two of the four datasets at up to 575$\times$ lower runtime. Architectural complexity is therefore not a consistent driver of detection quality under our matched protocol on current benchmarks, but it does enlarge the runtime, calibration, and attack surfaces operators must defend.
• Abstract（参考訳）: グラフベースのネットワーク侵入検知システム(GIDS)は、強力なベンチマーク検出指標を報告しているが、これらの指標はデプロイ可能性についてはほとんど確立していない。 我々は、各公開システムの事前処理、ウィンドウニング、しきい値の規則を継承する代わりに、制御された比較に何が必要かを尋ね、それらを一様に強制する、という第一原理からこの問題にアプローチする。 GIDS-Evalは、GIDSを6つの交換可能なステージに分解し、これらの規約を明示的な実験変数に変換する評価フレームワークである。 我々は,9つの代表的なGIDSを調査し,その中の5つをGIDS-Eval内に再実装し,マッチしたプロトコルの下で4つのデータセット上で評価する。 我々は、9つの繰り返し評価ギャップを特定し、それぞれの影響を定量化する: 2つの製作されたエッジは、隠れるべき8つの検出器-データセットペアのうち3つに対して完全な回避を達成する;スナップショットウィンドウは、平均的精度(AP)において平均38.3%の相対的なスイングを説明; システム間の前処理は、1つの検出器に対して最大61.8ポイントまでAPを動かす; そして、我々が再生する18の検出器-データセットペアのうち、イベントが到着すると警告することができない。 我々は,同じフレームワーク上に構築されたエンコーダフリーコントロールであるGIDS-Liteを紹介した。 したがって、アーキテクチャの複雑さは、現在のベンチマークで一致したプロトコルの下で検出品質の一貫性のあるドライバではありませんが、オペレータが守るべきランタイム、キャリブレーション、アタックサーフェスを拡大します。

関連論文リスト

• How Benchmarks and Evaluation Protocols Shape Conclusions in Provenance-Based Intrusion Detection [6.453778601809096]
  監査、ラベル付け、校正要件を満たす公開データセット上で、代表PIDSを再評価する。 いくつかのシステムは、法医学的な調査を支援するのに十分なプロセスレベルのコンテキストを提供することなく、攻撃を表面化する。 この分析は、複数の監査済みのE3データセットが、モデルアーキテクチャを確実に分離することなく警告行動を公開することができる理由を説明するのに役立つ。
  論文  参考訳（メタデータ） (2026-08-02T19:27:49Z)
• Label-Free Target-Domain Adaptation for Unconstrained Event-Image Feature Matching via Dual-Stage Distillation [30.789763956644958]
  クロスモーダルマッチング手法は、マッチングラベルまたは厳密に整列されたハードウェアに依存しているため、大きく制限されている。 本稿では,この問題に対処するための新しい2段階トレーニングパラダイムを提案する。 提案手法はMVSECとTUM-VIEの両方のポーズ推定タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-07-11T02:23:11Z)
• From Frames to Events: Rethinking Evaluation in Human-Centric Video Anomaly Detection [9.404376027901277]
  ポースベースのビデオ異常検出(VAD)は、プライバシー保護の性質と環境変動に対する堅牢性において大きな注目を集めている。 従来のフレームレベルの評価では、ビデオは孤立したフレームの集合として扱われ、現実の世界で異常がどのように現れ、行動するかを根本的に誤解している。 本稿では,階層的なガウススムースメントと適応二項化を備えたスコアリファインメントパイプラインと,イベントレベルの検出を直接生成するエンドツーエンドのデュアルブランチモデルという,時間的イベントローカライゼーションのための2つの戦略を紹介する。
  論文  参考訳（メタデータ） (2026-04-10T13:52:18Z)
• Unsupervised LiDAR-Based Multi-UAV Detection and Tracking Under Extreme Sparsity [2.3646560222366695]
  非繰り返し固体LiDARスキャンは、空中UAVを検出するための極めてスパースな測定条件をもたらす。 ラベル付きトレーニングデータを必要とせずに、検出とトラッキングの両方に対処する、教師なしのLiDARのみのパイプラインを導入します。
  論文  参考訳（メタデータ） (2026-03-12T06:19:51Z)
• Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups [41.033896572767496]
  ゼロショット一般化を実現するトレーニングフリー登録フレームワークであるBUFFER-Xを提案する。 提案手法は階層型マルチスケールマッチングを用いて,局所,中,大域の受容領域にまたがる対応を抽出する。 効率クリティカルなアプリケーションでは、BUFFER-X-Liteを導入し、総時間を43%削減する。
  論文  参考訳（メタデータ） (2026-01-06T06:51:24Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Host-Based Network Intrusion Detection via Feature Flattening and Two-stage Collaborative Classifier [6.04077629908308]
  NIDSとHIDSを組み合わせたハイブリッドネットワーク侵入検知システムを提案する。 ネットワーク侵入を識別するために、2段階のMLアルゴリズムをデプロイする2段階の協調分類器が導入された。 提案手法は、CICIDS 2018とNDSec-1という、よく知られた2つのデータセットにまたがって一般化される。
  論文  参考訳（メタデータ） (2023-06-15T19:09:00Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Disentangle Your Dense Object Detector [82.22771433419727]
  深層学習に基づく高密度物体検出器はここ数年で大きな成功を収め、ビデオ理解などのマルチメディアアプリケーションにも応用されてきた。 しかし、現在の高密度検出器の訓練パイプラインは、保持できない多くの接続に妥協されている。 そこで本研究では, 簡易かつ効果的な遠心分離機構を設計し, 現在の最先端検出器に統合するDED(Disentangled Dense Object Detector)を提案する。
  論文  参考訳（メタデータ） (2021-07-07T00:52:16Z)
• 3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object Detection [76.42897462051067]
  3DIoUMatchは屋内および屋外の場面両方に適当3D目的の検出のための新しい半監視された方法です。 教師と教師の相互学習の枠組みを活用し,ラベル付けされていない列車の情報を擬似ラベルの形で伝達する。 本手法は,ScanNetとSUN-RGBDのベンチマークにおける最先端の手法を,全てのラベル比で有意差で継続的に改善する。
  論文  参考訳（メタデータ） (2020-12-08T11:06:26Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)
• Detection in Crowded Scenes: One Proposal, Multiple Predictions [79.28850977968833]
  混み合ったシーンにおける高過度なインスタンスを検出することを目的とした,提案手法によるオブジェクト検出手法を提案する。 このアプローチの鍵は、各提案が以前の提案ベースのフレームワークの1つではなく、関連したインスタンスのセットを予測できるようにすることです。 我々の検出器は、CrowdHumanデータセットの挑戦に対して4.9%のAPゲインを得ることができ、CityPersonsデータセットでは1.0%$textMR-2$の改善がある。
  論文  参考訳（メタデータ） (2020-03-20T09:48:53Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。