論文の概要: AI-Based Vulnerability Assessment Capability and Cyber Attack Graph Analysis

• arxiv url: http://arxiv.org/abs/2609.35414v1
• Date: Mon, 28 Sep 2026 15:29:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 05:43:06.548211
• Title: AI-Based Vulnerability Assessment Capability and Cyber Attack Graph Analysis
• Title（参考訳）: AIによる脆弱性評価能力とサイバー攻撃グラフ解析
• Abstract要約: ミッションクリティカルなインフラをターゲットとするサイバー脅威は、ますます高度化しつつある。 アンチウイルスやファイアウォールのような従来のポイントソリューションは反応性があり、現代の攻撃面の複雑さに対処できない。 本稿では,2つの相補的手法を組み合わせた研究について述べる。
• 参考スコア（独自算出の注目度）: 0.5621251909851629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cyber threats targeting mission-critical infrastructure are becoming more sophisticated while the barrier to launching attacks continues to fall. Traditional point solutions like antivirus and firewalls are reactive and fail to address the combinatorial complexity of modern attack surfaces. This paper presents an investigation combining two complementary methodologies: Lockheed Martin's Vortex/Crow framework, which applies multi-agent reinforcement learning (MARL) over industry-standard cyber knowledge graph to identify and prioritize attack vectors and TTPs (tactics, techniques, and procedures); and Aalto's probabilistic attack graph model that combines network topology and its vulnerabilities to compute system-level risk metrics. The 2015 Ukraine Power Grid cyberattack serves as a well-documented validation scenario. Applied independently to the same operational technology (OT) network topology, both methodologies converge on the same attack vectors and exploit sequences as those documented in the incident record, thus providing mutual cross-validation. Attack graph analyses using node-level elimination experiments identify industrial control systems (ICS) as the most critical enablers of attack propagation, representing high-priority targets for defensive hardening. Comparison of CVSS (v2.0) and IronMiner vulnerability scoring yields in general consistent results, with IronMiner providing more actionable differentiation at network periphery nodes. The layered methodology of baseline assessment and node-level elimination proves to be scalable to large enterprise networks, thus offering defenders a structured, AI-enabled path to prioritize mitigation under realistic time and resource constraints.
• Abstract（参考訳）: ミッションクリティカルなインフラをターゲットにしたサイバー脅威は、より洗練されつつあり、攻撃開始の障壁は減少し続けている。 アンチウイルスやファイアウォールのような従来のポイントソリューションは反応性があり、現代の攻撃面の組合せの複雑さに対処できない。 本稿では,ネットワークトポロジとシステムレベルのリスクメトリクスを結合したAaltoの確率的アタックグラフモデルを用いて,攻撃ベクトルとTTP(戦術,技術,手順)を識別・優先順位付けするために,業界標準のサイバー知識グラフに対してマルチエージェント強化学習(MARL)を適用したLockheed MartinのVortex/Crowフレームワークと,ネットワークトポロジと脆弱性を結合したAaltoの確率的アタックグラフモデルを組み合わせた検討を行う。 2015年のウクライナ電力グリッドサイバー攻撃は、十分に文書化された検証シナリオとして機能している。 同じ運用技術(OT)ネットワークトポロジに独立して、どちらの手法もインシデントレコードに記録されているものと同じ攻撃ベクトルに収束し、シーケンスを利用する。 ノードレベル除去実験を用いた攻撃グラフ解析により,攻撃伝播の最も重要な有効要因として産業制御系(ICS)を同定し,防御硬度向上のための高優先度目標を示す。 CVSS(v2.0)とIronMinerの脆弱性スコアリングの比較は、一般に一貫した結果が得られ、IronMinerはネットワーク周辺ノードでより実用的な差別化を提供する。 ベースラインアセスメントとノードレベルの排除という階層化された方法論は、大規模エンタープライズネットワークにスケーラブルであることが証明され、現実的な時間とリソース制約の下で緩和を優先順位付けするための構造化されたAI対応のパスがディフェンダーに提供される。

関連論文リスト

• Merging Cyber Threat Intelligence Through Retrieval-Augmented Generation and Small Language Models for Rich Threat Representation [37.97052739331593]
  我々は、異種CTIソースからのサイバー攻撃の実行可能な表現を導出する自動パイプラインを提案する。 このパイプラインは、RAGアーキテクチャとローカルにデプロイ可能なSLMを組み合わせることで、これらのエビデンスを統合し、運用上の詳細を推測する。 10の実世界のケーススタディのマニュアルアセスメントは、生成されたグラフが予想される攻撃進行と一致しているという最初の証拠を提供する。
  論文  参考訳（メタデータ） (2026-09-07T09:46:26Z)
• Defending Network Intrusion Detection Systems Based on Graph Neural Networks Against Structural Adversarial Attacks [3.444915014411325]
  グラフニューラルネットワーク(GNN)は、機械学習(ML)ベースのネットワーク侵入検知システム(NIDS)のための有望なソリューションである GNNは、エッジを注入したりノードを挿入することで、攻撃者が基盤となるネットワークグラフトポロジを乱す構造的敵攻撃に対して脆弱なままである。 本稿では,GNN ベースの NIDS を構造攻撃に対して強化するための対人訓練に基づく防御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-25T12:06:12Z)
• SCyTAG: Scalable Cyber-Twin for Threat-Assessment Based on Attack Graphs [20.474574345477752]
  SCyTAGは、攻撃シナリオの影響を評価するのに必要な最小限のサイバーツインを生成するマルチステップフレームワークである。 SCyTAGを実物と実物の両方の組織ネットワーク上で評価する。
  論文  参考訳（メタデータ） (2025-12-27T18:04:29Z)
• APT-CGLP: Advanced Persistent Threat Hunting via Contrastive Graph-Language Pre-Training [33.84587345029278]
  Provenance-based threat Huntは、CTI(Cyber Threat Intelligence)に記述されている攻撃パターンと、システム監査ログから派生した証明グラフを関連付けて、エンドポイント上のAdvanced Persistent Threats(APT)を特定する。 このパラダイムの根本的な課題は、前駆グラフとCTIレポートの間の構造的および意味的な切り離しであるモダリティギャップにある。 APT-CGLPは,コントラストグラフ・ランゲージ事前学習による新しいAPT狩猟システムである。
  論文  参考訳（メタデータ） (2025-11-25T13:20:12Z)
• RAG-targeted Adversarial Attack on LLM-based Threat Detection and Mitigation Framework [0.19116784879310025]
  IoT(Internet of Things)の急速な拡張は、業界全体のコミュニケーションと運用のプラクティスを変革する一方で、攻撃面を広げ、セキュリティ侵害に対する感受性を高めている。 人工知能はIoTネットワークを保護する上で重要なソリューションとなり、Large Language Models(LLM)は自動攻撃行動分析と緩和提案を可能にしている。 LLMベースのIoT攻撃分析と緩和フレームワークを攻撃して、その敵の堅牢性をテストする。
  論文  参考訳（メタデータ） (2025-11-09T03:50:17Z)
• Adversarial Training for Defense Against Label Poisoning Attacks [53.893792844055106]
  ラベル中毒攻撃は機械学習モデルに重大なリスクをもたらす。 本稿では,これらの脅威に対処するために,サポートベクトルマシン(SVM)に基づく新たな対角的防御戦略を提案する。 提案手法は, 様々なモデルアーキテクチャに対応し, カーネルSVMを用いた予測勾配降下アルゴリズムを用いて, 対向学習を行う。
  論文  参考訳（メタデータ） (2025-02-24T13:03:19Z)
• Learning in Multiple Spaces: Few-Shot Network Attack Detection with Metric-Fused Prototypical Networks [47.18575262588692]
  本稿では,数発の攻撃検出に適した新しいマルチスペースプロトタイプ学習フレームワークを提案する。 Polyakの平均的なプロトタイプ生成を活用することで、このフレームワークは学習プロセスを安定化し、稀でゼロデイの攻撃に効果的に適応する。 ベンチマークデータセットによる実験結果から、MSPLは、目立たない、新しい攻撃タイプを検出する従来のアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-28T00:09:46Z)
• It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
  アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。 現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。 本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
  論文  参考訳（メタデータ） (2023-12-27T10:44:58Z)
• Efficient Network Representation for GNN-based Intrusion Detection [2.321323878201932]
  過去数十年間、深刻な経済とプライバシーの被害を受けたサイバー攻撃の数が増加している。 本稿では,侵入検知タスクのトポロジ情報の提供を目的とした,フローのグラフとしての新しいネットワーク表現を提案する。 提案するグラフ構造を利用したグラフニューラルネットワーク(GNN)に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-11T16:10:12Z)
• Towards Adversarial Realism and Robust Learning for IoT Intrusion Detection and Classification [0.0]
  IoT(Internet of Things)は、重大なセキュリティ上の課題に直面している。 敵の攻撃による脅威の増大は、信頼できる防衛戦略の必要性を回復させる。 本研究は、敵のサイバー攻撃事例が現実的であるために必要な制約の種類について述べる。
  論文  参考訳（メタデータ） (2023-01-30T18:00:28Z)
• Graph Backdoor [53.70971502299977]
  GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。 GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。 トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
  論文  参考訳（メタデータ） (2020-06-21T19:45:30Z)

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。