論文の概要: A Resource-Aware Behavior Reconstruction and Hierarchical Semantic Learning Framework for Host Intrusion Detection

• arxiv url: http://arxiv.org/abs/2610.01250v1
• Date: Thu, 01 Oct 2026 07:43:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.973751
• Title: A Resource-Aware Behavior Reconstruction and Hierarchical Semantic Learning Framework for Host Intrusion Detection
• Title（参考訳）: ホスト侵入検知のための資源認識行動再構成と階層的意味学習フレームワーク
• Abstract要約: ホスト侵入検知のためのリソース認識行動再構成と階層的意味学習フレームワークであるReSHIDを提案する。 提案手法は, F1スコア (98.64%), ROC-AUC (99.80%), PR-AUC (98.10%) で比較した結果,n-gram特徴量の約75.2%, MGFEと比較して44.1%削減できることがわかった。
• 参考スコア（独自算出の注目度）: 12.488488050926248
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: System calls (syscalls) record key interactions between running programs and the operating system kernel, providing fine-grained and minimally intrusive data for host-based intrusion detection systems (HIDS) deployed in cloud and other modern computing environments. However, existing methods often model syscalls in their original execution order, where sequences from different processes are interleaved, making informative patterns difficult to extract and raising two questions: whether raw syscall sequences can be reorganized in a way that yields more discriminative representations, and how complex attack patterns can be effectively learned from the reorganized sequences. We propose ReSHID, a resource-aware behavior reconstruction and hierarchical semantic learning framework for host intrusion detection. It reconstructs semantically continuous sequences by leveraging syscall semantic invariants to cast subject identity and relationship resolution across PID namespaces as a bipartite matching problem and tracking file descriptor (FD) lifecycles to associate descriptors referring to the same resource. Additionally, features extracted from these sequences are organized into a lightweight subject behavior graph incorporating inter-subject relationships, where GATv2 captures key coordination patterns to model complex attacks involving multiple subjects. Experimental results show that sequence reconstruction combined with the detection method can improve HIDS performance. Even with a lightweight linear classifier, the proposed method achieves the best results among all compared methods in terms of F1-score (98.64%), ROC-AUC (99.80%), and PR-AUC (98.10%), while reducing the number of n-gram features by approximately 75.2% and 44.1% compared with the raw sequences and MGFE, respectively.
• Abstract（参考訳）: システムコール(syscalls)は、実行中のプログラムとオペレーティングシステムカーネル間のキーとなる相互作用を記録し、クラウドや他の現代的なコンピューティング環境にデプロイされたホストベースの侵入検知システム(HIDS)に対して、きめ細かい最小限の侵入データを提供する。 しかし、既存の手法では、異なるプロセスからのシーケンスがインターリーブされた元の実行順序でサイスコールをモデル化し、情報的パターンを抽出し、より識別的な表現をもたらす方法で生のサイスコール配列を再編成できるかどうか、そして、再構成されたシーケンスからどのように複雑な攻撃パターンを効果的に学習できるかという2つの質問を提起する。 ホスト侵入検知のためのリソース認識行動再構成と階層的意味学習フレームワークであるReSHIDを提案する。 syscallのセマンティック不変量を利用して、PID名前空間全体にわたる主観的アイデンティティと関係解決を2部マッチング問題として配置し、ファイル記述子(FD)ライフサイクルを追跡して、同じリソースを参照する記述子を関連付けることで、セマンティックな連続配列を再構築する。 さらに、これらの配列から抽出された特徴は、オブジェクト間の関係を組み込んだ軽量な対象行動グラフにまとめられ、GATv2は複数の対象を含む複雑な攻撃をモデル化するための重要な調整パターンをキャプチャする。 実験結果から, シーケンス再構成と検出法を組み合わせることで, HIDSの性能が向上することが示された。 軽量線形分類器を用いても、提案手法はF1スコア(98.64%)、ROCAUC(99.80%)、PR-AUC(98.10%)で比較したすべての手法で最良の結果が得られる。

関連論文リスト

• KRONE: Hierarchical and Modular Log Anomaly Detection [18.129144046125496]
  KRONEは、フラットログから自動的に実行階層を導出する階層的異常検出フレームワークである。 コアとなるKRONE Log Abstraction Modelは、ログデータからアプリケーション固有のセマンティック階層をキャプチャする。 KRONEはシーケンスレベルの異常検出をモジュール化されたKRONE Seqレベルの検出タスクのセットに変換する。
  論文  参考訳（メタデータ） (2026-02-07T01:30:19Z)
• RPG-AE: Neuro-Symbolic Graph Autoencoders with Rare Pattern Mining for Provenance-Based Anomaly Detection [0.8373057326694192]
  本稿では,グラフオートエンコーダと稀なパターンマイニングを組み合わせた,ニューロシンボリックな異常検出フレームワークを提案する。 異常候補は、観測されたグラフ構造と再構成されたグラフ構造の間のずれによって同定される。 DARPAトランスペアレント・コンピューティング・データセットを用いて提案手法の評価を行い, 異常なパターンの増大が異常なランク付け品質において著しく向上することを示す。
  論文  参考訳（メタデータ） (2026-02-03T00:02:37Z)
• Representation Quantization for Collaborative Filtering Augmentation [49.14087936092634]
  本稿では,新しい2段階協調推薦アルゴリズムDQRecを提案する。 相互作用配列と属性から共同で振舞い特性を抽出することで特徴と均一な結合を増強する。 これらのセマンティックIDパターンを機能拡張とリンク拡張を通じてレコメンデーションプロセスに統合することにより、システムは潜伏したユーザと明示的なアイテムの両方の機能を強化します。
  論文  参考訳（メタデータ） (2025-08-15T04:00:50Z)
• Boosting Open Set Recognition Performance through Modulated Representation Learning [0.0]
  オープンセット認識問題は、トレーニングクラスの一部ではない新しいセマンティッククラスからテストサンプルを識別することを目的としている。 既存のOSR法では、損失関数を適用する前に、ロジットに一定のスケーリング係数(温度)を使用する。 本稿では,提案した一連の温度スケジュールを用いて,温度変調表現学習を可能にすることで,この問題に対処する。
  論文  参考訳（メタデータ） (2025-05-23T17:47:20Z)
• Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
  SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。 革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。 属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。 階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
  論文  参考訳（メタデータ） (2025-05-20T06:44:34Z)
• DPGIIL: Dirichlet Process-Deep Generative Model-Integrated Incremental Learning for Clustering in Transmissibility-based Online Structural Anomaly Detection [0.34376560669160394]
  本研究では、ディリクレプロセスディープ生成モデル統合インクリメンタルラーニング(DPGIIL)と呼ばれる新しいクラスタリングフレームワークを提案する。 オンライン構造異常検出では、DPGIILは入力データを新しいクラスタに動的に割り当てることで異常を検出するだけでなく、異なるクラスタを使って異なる構造状態を示すことができる。
  論文  参考訳（メタデータ） (2024-12-06T05:18:58Z)
• Binary Code Similarity Detection via Graph Contrastive Learning on Intermediate Representations [52.34030226129628]
  バイナリコード類似度検出(BCSD)は、脆弱性検出、マルウェア分析、コードの再利用識別など、多くの分野で重要な役割を果たしている。 本稿では,LLVM-IRと高レベルのセマンティック抽象化を利用して,コンパイル差を緩和するIRBinDiffを提案する。 IRBinDiffは1対1の比較と1対多の検索シナリオにおいて,他の主要なBCSD手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-24T09:09:20Z)
• An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
  ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。 従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。 強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T06:53:01Z)
• PSDiff: Diffusion Model for Person Search with Iterative and Collaborative Refinement [59.6260680005195]
  本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。 PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。 新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
  論文  参考訳（メタデータ） (2023-09-20T08:16:39Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)

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。