論文の概要: How It's Made: Uncovering Detection Engineering Processes for Network Intrusion Detection Rules

• arxiv url: http://arxiv.org/abs/2609.25901v1
• Date: Tue, 22 Sep 2026 09:04:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.306228
• Title: How It's Made: Uncovering Detection Engineering Processes for Network Intrusion Detection Rules
• Title（参考訳）: ネットワーク侵入検知規則における検出工学プロセスの解明
• Abstract要約: セキュリティオペレーションセンターは、Suricataのような署名ベースのネットワーク侵入検知システムに依存しているが、検出ルールエンジニアリングはまだ検討されていない。 ルールエンジニアリング演習のためのプラットフォームであるSuriCapを紹介し、60人の参加者、訓練されたMSc学生、経験豊富なSOC専門家が4つのシナリオでルールを作成し、CTFスタイルのワークショップを開催します。 参加者は3146の有効なルールを作成し、メソッド、パフォーマンス、イテレーションパターンの分析を可能にした。
• 参考スコア（独自算出の注目度）: 3.0204520109309847
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many Security Operations Centers rely on signature-based Network Intrusion Detection Systems like Suricata, yet detection rule engineering remains understudied. We investigate this process by introducing SuriCap, a platform for rule engineering exercises, and hosting CTF-style workshops where 60 participants, trained MSc students, and experienced SOC professionals, created rules for four scenarios. Participants produced 3146 valid rules, enabling analysis of their methods, performance, and iteration patterns. Surprisingly, prior experience had limited impact on rule quality, suggesting that less experienced engineers can produce rules comparable to experts. We also observed challenges in generalizing rules beyond available tests, underscoring the need for sufficient labeled data. From our study, we identify three phases and a common pattern in rule engineering, offering SOC managers insights to improve their processes and expectations of engineer expertise.
• Abstract（参考訳）: 多くのセキュリティオペレーションセンターは、Suricataのようなシグネチャベースのネットワーク侵入検知システムに依存しているが、検出ルールエンジニアリングはまだ検討されていない。 ルールエンジニアリング演習のプラットフォームであるSuriCapを導入し、CTFスタイルのワークショップを開催し、60人の参加者、訓練されたMSc学生、経験豊富なSOC専門家が4つのシナリオのルールを作成した。 参加者は3146の有効なルールを作成し、メソッド、パフォーマンス、イテレーションパターンの分析を可能にした。 驚くべきことに、事前の経験はルールの品質に限られた影響を与えており、経験の浅いエンジニアが専門家に匹敵するルールを作成できることを示唆している。 また、利用可能なテストを超えてルールを一般化する上での課題も観察し、十分なラベル付きデータの必要性を強調した。 本稿では,ルールエンジニアリングにおける3つのフェーズと共通パターンを特定し,SOCマネージャによるプロセス改善の洞察と,エンジニアの専門知識に対する期待を提供する。

関連論文リスト

• Governance-as-Code: Translating EU AI Act Technical Requirements into Executable Compliance Pipelines for Generative AI Systems [0.0]
  6つのコンプライアンスモジュール間で43のマシンチェック可能な受け入れ基準のフレームワークを提供する。 堅牢性閾値は 提供者の文書化されたベースラインから導かれる 第25条及び第5章では、下流の展開者は、上流の提供者のトレーニングデータ要約第53条に依存している。
  論文  参考訳（メタデータ） (2026-09-17T10:23:54Z)
• Beyond the Syntax: Do Security Experts Trust LLMs for NIDS Rule Engineering? [70.17374586573033]
  本稿では,Large Language Models(LLMs)に基づくNIDSルールエンジニアリングを人間中心で調査する。 LLMは構文的に正しい規則を生成するが、専門家は部分的にしか展開できないと考えている。 大規模モデルは構文的に有効な規則を一貫して生成するが、小型モデルはIDSルールの生成にはほとんど効果がない。
  論文  参考訳（メタデータ） (2026-07-07T07:09:56Z)
• RulePlanner: All-in-One Reinforcement Learner for Unifying Design Rules in 3D Floorplanning [49.812879456944984]
  フロアプランニングは集積回路における各モジュールの座標と形状を決定する。 現在のメソッドは、特定の設計ルールと限られた設計ルールのみを扱うことができる。 我々はこれらの課題に対処するために,オールインワンの深層強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2026-01-30T02:41:48Z)
• Towards Human-Centered RegTech: Unpacking Professionals' Strategies and Needs for Using LLMs Safely [41.788724443376815]
  調査の結果、これらの専門家は、機密情報漏洩、知的財産権侵害、モデル出力の品質に関する不確実性など、一般的に懸念されていることがわかった。 応答として、入力データを積極的に歪ませたり、プロンプトの細部を制限したりするなど、様々な緩和戦略を自然に採用する。 我々の研究は、現在のNLPツールと専門家の実際のコンプライアンス要件との間に大きなギャップがあることを明らかにします。
  論文  参考訳（メタデータ） (2025-10-02T03:35:46Z)
• Human Side of Smart Contract Fuzzing: An Empirical Study [0.0]
  本研究では,SCファジィツールの実践者が直面する課題について検討する。 本研究は,これらの課題を,SCファジィワークフロー内におけるそれらの性質と発生に基づく分類に分類する。 以上の結果から,ブロックチェーンエミュレーションに関する技術的問題を含む,ドメイン固有の使いやすさと有用性の課題が明らかになった。
  論文  参考訳（メタデータ） (2025-06-09T03:25:14Z)
• Ruling the Unruly: Designing Effective, Low-Noise Network Intrusion Detection Rules for Security Operations Centers [6.087274577167399]
  セキュリティオペレーションセンター(SOC)は、Suricataのような署名ベースのネットワーク侵入検知システム(NIDS)に大きく依存している。 ルールの品質に影響を与える要因をよりよく理解することは、現在のSOC問題に対処するのに役立ちます。
  論文  参考訳（メタデータ） (2025-01-16T19:35:10Z)
• SUPER: Evaluating Agents on Setting Up and Executing Tasks from Research Repositories [55.161075901665946]
  Superは、機械学習(ML)と自然言語処理(NLP)の研究リポジトリを扱う研究者が直面する現実的な課題を捉えることを目的としている。 本ベンチマークでは,注釈付きエキスパートソリューションを用いたエンドツーエンド問題45,特定の課題に焦点をあてたエキスパートソリューションから導いた152,大規模開発のための602の問題を自動生成する。 我々は、最先端のアプローチが、最良のモデル(GPT-4o)でこれらの問題を解決するのに苦労していることを示し、エンド・ツー・エンドの16.3%と46.1%のシナリオを解決した。
  論文  参考訳（メタデータ） (2024-09-11T17:37:48Z)
• AuditGPT: Auditing Smart Contracts with ChatGPT [8.697080709545352]
  AuditGPTは、スマートコントラクトに対するERCルールを自動的にかつ包括的に検証するツールである。 418のERC規則違反を指摘し、18の偽陽性のみを報告し、その有効性と正確性を示している。
  論文  参考訳（メタデータ） (2024-04-05T07:19:13Z)
• Benchmarking GPT-4 on Algorithmic Problems: A Systematic Evaluation of Prompting Strategies [47.129504708849446]
  大規模言語モデル(LLM)は自然言語処理の分野に革命をもたらした。 LLMは体系的な一般化を欠き、学習された統計正則をトレーニング分布の外へ外挿することができる。 本稿では,最も先進的なLCMの1つであるGPT-4の系統的なベンチマークを行う。
  論文  参考訳（メタデータ） (2024-02-27T10:44:52Z)
• Defining and executing temporal constraints for evaluating engineering artifact compliance [56.08728135126139]
  プロセスコンプライアンスは、実際のエンジニアリング作業が記述されたエンジニアリングプロセスに可能な限り密接に従うことを保証することに焦点を当てます。 これらのプロセスの制約をチェックすることは、依然として大変な作業であり、多くの手作業を必要とし、プロセスの後半にエンジニアにフィードバックを提供する。 関連するエンジニアリングアーティファクト間の時間的制約を,アーティファクトの変更毎に段階的にチェックする,自動制約チェックアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-20T13:26:31Z)
• White Paper Machine Learning in Certified Systems [70.24215483154184]
  DEEL Project set-up the ML Certification 3 Workgroup (WG) set-up by the Institut de Recherche Technologique Saint Exup'ery de Toulouse (IRT)
  論文  参考訳（メタデータ） (2021-03-18T21:14:30Z)

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。