論文の概要: When Agents Look Like Beacons: NIDS Evasion by Model Context Protocol Traffic
- arxiv url: http://arxiv.org/abs/2609.19091v1
- Date: Wed, 16 Sep 2026 17:27:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.91916
- Title: When Agents Look Like Beacons: NIDS Evasion by Model Context Protocol Traffic
- Title（参考訳）: エージェントがビーコンのように見えるとき: モデルコンテキストプロトコルのトラフィックによるNIDSの侵入
- Abstract要約: 明示的なネットワーク層表示がなければ,MPPトラフィックはCommand and Control (C2) のビーカリング動作に類似していることが示される。
本稿では,エージェントNative Native ALPNと標準帯域外ヘッダを含むエージェントベースのネットワーク表示標準を提案する。
- 参考スコア（独自算出の注目度）: 0.5076419064097734
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Model Context Protocol (MCP) standardizes communication between autonomous Artificial Intelligence (AI) agents and remote tools over Streamable HTTP. This shift introduces a class of machine-generated, authenticated, and high-frequency JSON-RPC traffic directly into enterprise networks. Enterprise network defenders have historically relied on machine-like cadence as an Indicator of Compromise (IoC). In this study, we show that without explicit network-layer indication, MCP traffic structurally and temporally resembles Command and Control (C2) beaconing behavior, specifically the polling architectures used by advanced persistent threats like Cobalt Strike. Counter to theoretical assumptions about machine-generated polling, our measurements reveal a visibility gap: standard enterprise Intrusion Detection Systems (IDS) and behavioral beacon-scoring frameworks do not classify MCP remote tool usage as anomalous within our testbed scope. Through a controlled Docker-based testbed simulating eleven mathematically defined traffic profiles across three TLS conditions (Opaque, TLS-Inspected, and Cleartext), we evaluate Suricata signature matching and RITA behavioral scoring against MCP JSON-RPC patterns. Our results show that MCP traffic, regardless of temporal smearing (jitter) or TLS inspection visibility, evades detection within this configuration, yielding a consistent 0.0 behavioral beacon score and near-zero IDS content alerts under the Emerging Threats (ET) Open ruleset. While opaque TLS obscures HTTP content, it exposes agent traffic to flow-level temporal analysis; however, NIDS heuristics tuned to identify traditional malware do not flag the lognormal inter-arrival distributions characteristic of generative AI reasoning loops. To address this gap, we propose an agent-native network indication standard including Agent-Native ALPN and standardized out-of-band headers.
- Abstract（参考訳）: Model Context Protocol (MCP)は、自律人工知能(AI)エージェントとStreamable HTTP上のリモートツールとの通信を標準化する。
このシフトは、企業ネットワークに直接、マシン生成、認証、高周波JSON-RPCトラフィックのクラスを導入する。
エンタープライズネットワークのディフェンダーは歴史的に、IoC(Indicator of Compromise)としてマシンライクなケイデンスに依存してきた。
本研究では, ネットワーク層が明示的でない場合, MCPトラフィックは命令制御(Command and Control, C2)ビーカリング行動, 特にCobalt Strikeのような先進的な永続的脅威によって使用されるポーリングアーキテクチャに構造的に, 時間的に類似していることを示す。
標準的なエンタープライズ侵入検知システム(IDS)と行動ビーコンスコアフレームワークは、テストベッドスコープ内の異常としてMPPリモートツールの使用を分類しない。
制御されたDockerベースのテストベッドは、3つのTLS条件(Opaque、TLS-Inspected、Cleartext)で数学的に定義された11のトラフィックプロファイルをシミュレートする。
以上の結果から,MSPトラヒックは時間的スミアリング(ジッタ)やTLS検査の可視性によらず,この構成内での検出を回避し,エミジング・スリーツ(ET)オープン・ルールセットの下で,一貫した0.0の行動ビーコンスコアとほぼゼロのIDSコンテンツアラートが得られることがわかった。
不透明なTLSはHTTPコンテンツを隠蔽するが、エージェントトラフィックをフローレベルの時間分析に公開するが、従来のマルウェアを特定するために調整されたNIDSヒューリスティックスは、生成的AI推論ループに特徴的な対数正規の地域間分布にフラグを付けない。
このギャップに対処するため、エージェント-Native ALPNと標準帯域外ヘッダを含むエージェント-ネイティブネットワーク表示標準を提案する。
関連論文リスト
- Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。
本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-22T18:38:39Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Detecting Adversarial Evasion Attacks Against Autoencoder-Based Network Intrusion Detection Systems [0.0]
侵入攻撃はMLベースのシステムへの入力を意図的に操作し、操作された入力がまだ良さそうに見える間に誤った予測を生成する。
本稿では,Residual Localisation Detector (RLD) とFeature-Space Perturbation Consistency (FPC) Detector (FPC) の2つの補完検出器を提案する。
UQ-IoTデータセット内の複数のIoTデバイスからの良性、悪意、敵対的なトラフィックに対して、両方の検出器を評価する。
論文 参考訳（メタデータ） (2026-07-01T17:26:24Z) - FlowGuard: Flow Matching for Identity-Independent Detection of Data-Free Model Stealing Attacks on Energy System Intrusion Detection Systems [0.0]
FlowGuardは、入ってくるクエリをアウト・オブ・ディストリビューション(OOD)として分類するフローマッチングに基づく、IDに依存しない防御である。
このアプローチは、データフリーモデル盗難攻撃のために合成的に生成されたクエリが、実際のネットワークトラフィックよりも低次元の多様体を占有しているという事実を生かしている。
我々は,MAZE と DisGUIDE 攻撃を用いたPRADA と FDINet に対して,単サイクルで分散した (100-client Sybil) 設定で評価した。
論文 参考訳（メタデータ） (2026-06-02T10:18:45Z) - ShieldNet: Network-Level Guardrails against Emerging Supply-Chain Injections in Agentic Systems [56.613157564882925]
悪意のある行動は、一見良心的なツールに埋め込まれ、エージェントの実行を静かにハイジャックしたり、機密データをリークしたり、無許可のアクションをトリガーしたりする。
影響は拡大しているが、このような脅威を評価するための包括的なベンチマークは今のところ存在しない。
実ネットワークの相互作用を観測してサプライチェーン中毒を検出するネットワークレベルのガードレールフレームワークであるShieldNetを提案する。
論文 参考訳（メタデータ） (2026-04-06T05:15:00Z) - Beyond Input Guardrails: Reconstructing Cross-Agent Semantic Flows for Execution-Aware Attack Detection [32.301679396929536]
静的な入力フィルタリングから実行対応分析へ、防御パラダイムをシフトするフレームワークであるSysNameを提案する。
SysNameは断片化された操作プリミティブを連続した行動軌跡に合成し、システムアクティビティの全体像を可能にする。
実証的な評価により、SysNameは10以上の異なる複合攻撃ベクトルを効果的に検出し、それぞれノードレベルとパスレベルのエンドツーエンド攻撃検出に対して85.3%と66.7%のF1スコアを達成した。
論文 参考訳（メタデータ） (2026-03-04T01:59:16Z) - Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols [80.68060125494645]
プロトコルとモニタモデルを知っている信頼できないモデルによるアダプティブアタックについて検討する。
我々は、攻撃者がモデル出力に公知またはゼロショットプロンプトインジェクションを埋め込む単純な適応攻撃ベクトルをインスタンス化する。
論文 参考訳（メタデータ） (2025-10-10T15:12:44Z) - AgentSight: System-Level Observability for AI Agents Using eBPF [10.37440633887049]
既存のツールは、エージェントの高レベルな意図(LSMプロンプトを介して)または低レベルな行動(例えば、システムコール)を観察するが、これら2つのビューを関連付けることはできない。
AgentOpsはハイブリッドアプローチを使用して,このセマンティックギャップをブリッジする,AgentOpsオブザーバビリティフレームワークです。
AgentSightはTLS暗号化されたLLMトラフィックをインターセプトしてセマンティックインテントを抽出し、カーネルイベントを監視してシステム全体の効果を観察し、これら2つのストリームをプロセス境界を越えて因果的に関連付ける。
論文 参考訳（メタデータ） (2025-08-02T01:43:39Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z)
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。