論文の概要: Tractable Defense against Advanced Persistent Threats in Networked Settings

• arxiv url: http://arxiv.org/abs/2609.15614v1
• Date: Mon, 14 Sep 2026 14:09:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.431926
• Title: Tractable Defense against Advanced Persistent Threats in Networked Settings
• Title（参考訳）: ネットワーク環境における先進的脅威に対するトラクタブル・ディフェンス
• Abstract要約: 我々は、先進的永続的脅威(APT)に対するコンピュータネットワークの防衛を取り巻く決定理論について検討する。 現在、創発値関数が抽出可能であるため、計算的に抽出可能な方法で最適/ヒューリスティック制御を行うことは不可能である。 計算の質を,エントロピーの仮定に反する度合いによってパラメータ化したものとして数値的に評価する。
• 参考スコア（独自算出の注目度）: 3.9159447977896416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, the theory of Boolean Dynamical Systems was proposed to study the decision theory surrounding the defense of computer networks against Advanced Persistent Threats (APTs). Boolean Dynamical Systems naturally capture four first principle primitives of APTs: the stealthy nature of attacks, limited and noisy information from automated systems like intrusion detection systems, lateral movement after the attacker penetrates into the network, and the defender's ability to secure a subset of computers at any time at the loss of resources such as system uptime. Currently, doing optimal/heuristic control in a computationally tractable manner is not possible because the emergent value function is computationally intractable (with respect to the network size). To resolve this, we propose a mean-field analysis inspired heuristic value function. We prove that our proposed heuristic is based on an exact computation of the value function under the assumption that the underlying state estimate distribution maximizes entropy. We numerically evaluate the quality of our heuristic as parameterized by the degree to which the entropy assumptions are violated.
• Abstract（参考訳）: 近年,先進的永続化脅威 (APT) に対するコンピュータネットワークの防衛を包含する決定理論について,ブール力学系の理論が提案されている。 ブール力学系は、攻撃のステルス性、侵入検知システムのような自動システムからの限定的でノイズの多い情報、攻撃者がネットワークに侵入した後の横移動、システムアップタイムのようなリソースの喪失時にコンピュータのサブセットを常に確保できるディフェンダーの能力の4つの第一原理的プリミティブを自然に捉えている。 現在、創発的値関数は(ネットワークサイズに関して)計算的に抽出可能であるため、最適/ヒューリスティックな制御を計算的に抽出可能な方法で行うことは不可能である。 そこで本研究では,平均場解析に基づくヒューリスティック値関数を提案する。 提案したヒューリスティックは,基礎となる状態推定分布がエントロピーを最大化するという仮定の下で,値関数の正確な計算に基づいていることを証明した。 我々は,我々のヒューリスティックの質を,エントロピー仮定に反する程度にパラメータ化して数値的に評価する。

関連論文リスト

• Provably Secure Agent Guardrail [89.79561918065122]
  既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。 本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-28T02:12:41Z)
• Beyond Passive Aggregation: Active Auditing and Topology-Aware Defense in Decentralized Federated Learning [1.8262547855491456]
  分散学習(DFL)は、従来の防御指標をバイパスするために設計されたバックドア攻撃に対して、非常に脆弱である。 この制限に対処するため、我々は防衛パラダイムを新しいアクティブな介入監査フレームワークにシフトする。
  論文  参考訳（メタデータ） (2026-03-19T06:46:55Z)
• Efficient State Estimation of a Networked FlipIt Model [3.6956269612044026]
  ネットワーク上での感染拡大に対する平均フィールド推定手法を提案する。 提案手法は, 特定の非自明な場合の最適推定値と正確に一致することを示す。 シミュレーションを用いて,本手法のランタイム改善と推定精度の両立を図った。
  論文  参考訳（メタデータ） (2025-04-01T18:13:56Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Model Extraction Attacks Against Reinforcement Learning Based Controllers [9.273077240506016]
  本稿では,Reinforcement Learning (RL)アルゴリズムを用いてDNN(Deep Neural Network)コントローラをトレーニングし,システムを制御する際の設定に焦点を当てる。 オフラインフェーズとも呼ばれる第1フェーズでは、攻撃者はRL-リワード関数とシステムダイナミクスに関するサイドチャネル情報を使用して、未知のDNNの候補推定セットを特定する。 オンラインフェーズとも呼ばれる第2フェーズでは、攻撃者は未知のDNNの振る舞いを観察し、これらの観察を使用して最終的なポリシー推定のセットをショートリスト化する。
  論文  参考訳（メタデータ） (2023-04-25T18:48:42Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)
• Policy Smoothing for Provably Robust Reinforcement Learning [109.90239627115336]
  入力のノルム有界対向摂動に対する強化学習の証明可能な堅牢性について検討する。 我々は、スムーズなポリシーによって得られる全報酬が、入力の摂動のノルムバウンドな逆数の下で一定の閾値以下に収まらないことを保証した証明書を生成する。
  論文  参考訳（メタデータ） (2021-06-21T21:42:08Z)
• Evaluating the Robustness of Bayesian Neural Networks Against Different Types of Attacks [2.599882743586164]
  ベイズニューラルネットワークは, 決定論的ニューラルネットワークモデルに対して発生する敵攻撃に対して, はるかに高い堅牢性を達成することを示す。 後肢は、現在進行中の悪意ある活動の安全前駆体として機能する。 これは、安全クリティカルなドメイン内の意思決定パイプライン構築におけるレイヤの利用を推奨する。
  論文  参考訳（メタデータ） (2021-06-17T03:18:59Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
  本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。 特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。 個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
  論文  参考訳（メタデータ） (2020-02-11T13:58:16Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。