論文の概要: Toward an Empirical Probabilistic Risk Manifestation Model of Organizational Cybersecurity in SMEs

• arxiv url: http://arxiv.org/abs/2609.14888v1
• Date: Mon, 14 Sep 2026 01:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.027569
• Title: Toward an Empirical Probabilistic Risk Manifestation Model of Organizational Cybersecurity in SMEs
• Title（参考訳）: 中小企業における組織サイバーセキュリティの実証的確率論的リスク管理モデルに向けて
• Abstract要約: 我々は,プロボノ大学サイバーセキュリティクリニックを通じて,22件の現実のサイバーセキュリティアセスメントから281件のセキュリティ調査結果を分析した。 組織セキュリティ機能と露出条件,攻撃機構,サイバーセキュリティ結果とをリンクする経験的リスクモデルを推定する。 我々は、意味のあるセキュリティカバレッジを維持しつつ、中小企業のサイバーセキュリティアセスメントを簡素化できるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a cross-layer empirical study of organizational cybersecurity risk in Small and medium-sized enterprises (SMEs), analyzing 281 validated security findings from 22 real-world SME cybersecurity assessments conducted over two years through a pro bono university cybersecurity clinic. We first identify recurring organizational security functions through iterative thematic coding, then estimate an empirical Risk Manifestation Model linking these functions to exposure conditions, attack mechanisms, and cybersecurity outcomes, and use probability propagation to identify dominant risk pathways. The model characterizes empirical associations observed in this sample rather than causal or predictive relationships. Our analysis identifies eight organizational security functions associated with two exposure conditions, five attack mechanisms, and six outcome categories. Across most functions, the dominant pathway follows asset exposure to credential compromise to unauthorized access, whereas infrastructure and network security primarily propagates through network exposure; these pathways remain stable under leave-one-organization-out analysis. Finally, we evaluate whether SME cybersecurity assessments can be simplified while preserving meaningful security coverage. Retaining six functions reduces assessment burden by 24% while preserving 97% of critical findings and 92% of risk-pathway coverage, a security-oriented reduction, while retaining five functions reduces burden by 45% while preserving 89% of critical findings and 85% of risk-pathway coverage, a more efficiency-oriented alternative.
• Abstract（参考訳）: 本稿では,中小企業(中小企業)における組織的サイバーセキュリティリスクに関するクロス層実証的研究を行い,プロボノ大学サイバーセキュリティクリニックを通じて2年間にわたって実施された22の現実的中小企業サイバーセキュリティアセスメントから,281のセキュリティ調査結果を分析した。 まず,繰り返し発生する組織セキュリティ機能を,反復的セマンティックコーディングを用いて同定し,これらの機能を暴露条件,攻撃機構,サイバーセキュリティ結果にリンクする経験的リスク管理モデルを推定し,確率伝搬を用いて支配的なリスク経路を同定する。 このモデルは、因果関係や予測関係ではなく、このサンプルで観察された経験的関連を特徴づける。 本分析では,2つの曝露条件,5つの攻撃機構,および6つの結果カテゴリに関連する8つの組織セキュリティ機能を同定した。 ほとんどの機能において、支配的な経路は、権限のないアクセスに対する信用的妥協への資産の暴露に続くが、インフラストラクチャとネットワークのセキュリティは、主にネットワークの露出を通じて伝播する。 最後に、意味のあるセキュリティカバレッジを維持しつつ、中小企業のサイバーセキュリティアセスメントを簡素化できるかどうかを評価する。 6つの機能を維持することは、評価の負担を24%減らし、97%のクリティカルな発見と92%のリスク・パス・カバーを保ち、セキュリティ指向のリダクションを保ちながら、5つの機能を維持することで、クリティカルな発見の89%とリスク・パス・カバーの85%を保ち、より効率重視の代替手段であるリスク・パス・カバーを45%減らす。

関連論文リスト

• Metis: Learning to Jailbreak LLMs via Self-Evolving Metacognitive Policy Optimization [51.11398557420066]
  我々は、推論時ポリシー最適化としてジェイルブレイクを改定するフレームワークであるMetisを紹介する。 メティスは比較手法の中でも89.2%で最強のアタック成功率(ASR)を達成している。 冗長な探索を最適化に置き換えることで、Metisはトークンコストを平均8.2倍、最大11.4倍に削減する。
  論文  参考訳（メタデータ） (2026-05-11T06:45:00Z)
• Emergent Strategic Reasoning Risks in AI: A Taxonomy-Driven Evaluation Framework [63.74295981594549]
  大規模言語モデル(LLM)は、自身の目的を達成する行動に関与している。 これには、詐欺(故意に誤解を招くユーザや評価者)、評価ゲーム(安全テスト中のパフォーマンスを戦略的に操作する)、報酬ハッキングなどが含まれる。 自動行動リスク評価のための分類駆動型エージェントフレームワークであるESRRSimを紹介する。
  論文  参考訳（メタデータ） (2026-04-23T23:44:01Z)
• Your Agent, Their Asset: A Real-World Safety Analysis of OpenClaw [87.97230960702274]
  本稿では,OpenClawの安全性評価について紹介する。 エージェントの永続状態を3次元に統一するCIK分類法を導入する。 評価では、ライブOpenClawインスタンス上の12のアタックシナリオをカバーしています。
  論文  参考訳（メタデータ） (2026-04-06T15:27:05Z)
• SecPI: Secure Code Generation with Reasoning Models via Security Reasoning Internalization [50.71047638695205]
  RLM(Reasoning Language Model)は、プログラミングにおいてますます使われている言語モデルである。 しかし、最先端のRLMでさえ、生成されたコードに重大なセキュリティ脆弱性を頻繁に導入する。 我々は、構造化されたセキュリティ推論を内部化するためのRTMを教える微調整パイプラインであるSecPIを提案する。
  論文  参考訳（メタデータ） (2026-04-04T04:29:11Z)
• A Bayesian Network-Driven Zero Trust Model for Cyber Risk Quantification in Small-Medium Businesses [0.0]
  中小企業(SMB)は、世界経済にとって不可欠だが、サイバー攻撃に対して非常に脆弱である。 本研究は、持続的サイバーセキュリティソリューションとしてのゼロトラストアーキテクチャ(ZTA)の有効性について検討する。 ZTA実装の実現可能性とリスク軽減可能性の両方を評価するために,統合予測モデルを開発した。
  論文  参考訳（メタデータ） (2026-01-10T12:40:46Z)
• Agent Tools Orchestration Leaks More: Dataset, Benchmark, and Mitigation [14.457129938672589]
  ツールオーケストレーションプライバシリスク(TOP-R)は、エージェントが複数のツールにまたがる情報断片を自律的に集約する、厳しいプライバシリスクである。 本研究は、リスクの根本原因がエージェントの不整合目的機能に起因する、このリスクに関する最初の体系的な研究である。 本稿では,TOP-Rを効果的に緩和し,リスクリーク率を46.58%,Hスコアを0.624に向上させるプライバシ強化原理(PEP)法を提案する。
  論文  参考訳（メタデータ） (2025-12-18T08:50:57Z)
• Jailbreak Mimicry: Automated Discovery of Narrative-Based Jailbreaks for Large Language Models [0.0]
  大規模言語モデル(LLM)は、高度な迅速なエンジニアリング攻撃に対して脆弱なままである。 我々は、物語ベースのジェイルブレイクプロンプトを自動生成するために、コンパクトアタッカーモデルを訓練するための体系的方法論であるジェイルブレイク・ミミミリを紹介する。 我々のアプローチは、敵の迅速な発見を手作業の職人技から再現可能な科学的プロセスに変換する。
  論文  参考訳（メタデータ） (2025-10-24T23:53:16Z)
• Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models [87.66870367661342]
  大規模言語モデル(LLM)は、医療におけるAIアプリケーションで使用される。 LLMを継続的にストレステストするレッドチームフレームワークは、4つのセーフティクリティカルなドメインで重大な弱点を明らかにすることができる。 敵エージェントのスイートは、自律的に変化するテストケースに適用され、安全でないトリガー戦略を特定し、評価する。 私たちのフレームワークは、進化可能でスケーラブルで信頼性の高い、次世代の医療AIのセーフガードを提供します。
  論文  参考訳（メタデータ） (2025-07-30T08:44:22Z)
• Vulnerability Management Chaining: An Integrated Framework for Efficient Cybersecurity Risk Prioritization [0.0]
  本稿では、効率的な脆弱性優先順位付けを実現するための決定木フレームワークである脆弱性管理チェーンを提案する。 まず、KEVメンバシップまたはEPSSしきい値0.088ドルを使用して脅威ベースのフィルタリングを適用し、次にCVSSスコア$geq$7.0)を用いて脆弱性重大度評価を適用し、情報的優先順位付けを可能にする。
  論文  参考訳（メタデータ） (2025-06-02T00:06:54Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• A Comparison of Vulnerability Feature Extraction Methods from Textual Attack Patterns [0.22940141855172028]
  本稿では,サイバーセキュリティ研究者や実践者が攻撃抽出方法を選択するのを支援することを目的とする。 TF-IDF(Term Frequency-Inverse Document Frequency)は、他の4つの手法を75%、F1スコアが64%で上回る。
  論文  参考訳（メタデータ） (2024-07-09T11:04:49Z)
• A Relevance Model for Threat-Centric Ranking of Cybersecurity Vulnerabilities [0.29998889086656577]
  脆弱性の追跡と更新の絶え間ないプロセスは、サイバーセキュリティの専門家にとって最大の関心事だ。 我々は、MITRE ATT&CKから派生した敵対的基準を用いた脅威の軽減に特化して、脆弱性管理のためのフレームワークを提供する。 我々の結果は、サイバー脅威のアクターが標的にし、悪用される可能性のある脆弱性の特定に向けた平均71.5%から91.3%の改善を示している。
  論文  参考訳（メタデータ） (2024-06-09T23:29:12Z)

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。