論文の概要: Forecasting Cybersecurity Incidents Using Geopolitical Data and Large Language Models

• arxiv url: http://arxiv.org/abs/2610.04798v1
• Date: Sat, 03 Oct 2026 22:54:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 08:50:37.014269
• Title: Forecasting Cybersecurity Incidents Using Geopolitical Data and Large Language Models
• Title（参考訳）: 地政学的データと大規模言語モデルを用いたサイバーセキュリティ事件の予測
• Abstract要約: 我々は、セキュリティインシデントを予測するために、地政学的データとネットワーク計測を使用します。 我々のアプローチは、リッチな表現を自動生成するために、大きな言語モデルに供給されるニュース記事やポッドキャストに頼っている。 大規模インシデントデータセット(>15,700レコード)による評価では,地政学的データだけでかなりの精度 (71.4% ROC AUC) を示す。
• 参考スコア（独自算出の注目度）: 3.444455778880416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting security incidents is a profound task critical for informing proactive defensive measures and cyber-insurance policies. Prior work tackling this problem mainly utilized structured, manually defined features based on network measurements (e.g., protocol misconfigurations). Still, despite leading to promising performance, the network-based features may fail to capture aspects related to adversaries' motives. To fill this gap, our work leverages geopolitical data mined from public sources--which may help capture attacker motives--to forecast security incidents. Specifically, our approach relies on news articles and transcribed podcasts that are fed to large language models to automatically produce rich representations. The representations are then fed to a classifier trained to forecast future incidents based on historical ones. Our evaluation with a large incidents dataset (>15,700 records) demonstrates substantial accuracy (71.4% ROC AUC) with geopolitical data alone. Notably, combining geopolitical data and network measurements outperforms the state-of-the-art technique based on network features alone (81.3% vs.77.5% ROC AUC). Our analysis also helps shed light on when geopolitical data is most helpful and the data sources that are most useful for accurate forecasting.
• Abstract（参考訳）: セキュリティインシデントを予測することは、積極的な防衛措置やサイバー保険政策を伝える上で重要な課題である。 この問題に対処する以前の作業は、主に、ネットワーク計測(プロトコルの誤設定など)に基づいて手動で定義された、構造化された機能を使用していた。 それでも、有望なパフォーマンスにつながるが、ネットワークベースの機能は、敵のモチベーションに関連する側面を捉えることに失敗する可能性がある。 このギャップを埋めるために、我々の研究は、公共の情報源から掘り出された地政学的データを活用し、攻撃者の動機を捉え、セキュリティインシデントを予測するのに役立つかもしれない。 具体的には、大規模な言語モデルに入力されたニュース記事やポッドキャストに頼り、リッチな表現を自動的に生成する。 それらの表現は、過去の出来事に基づいて将来の出来事を予測するために訓練された分類器に送られる。 大規模インシデントデータセット(>15,700レコード)による評価では,地政学的データだけでかなりの精度 (71.4% ROC AUC) を示す。 特に、地政学的なデータとネットワークの測定の組み合わせは、ネットワークの特徴のみに基づく最先端技術(81.3%対.77.5%のROC AUC)よりも優れている。 我々の分析は、地政学的なデータがいつ最も役に立つか、そして正確な予測に最も役立つデータソースを明かすのにも役立ちます。

関連論文リスト

• Agentic AI-Powered Re-Identification: An Emerging, Scalable Threat to Mobility Microdata Privacy [0.0]
  エージェントがオープンウェブ、クロスグラデーションな公開記録、ソーシャルメディアを自律的に検索するエンドツーエンドパイプラインを提示する。 本研究は、自宅と職場の周辺に固定されたシミュレーションされた位置点を含む時間データセット上でパイプラインを評価する。
  論文  参考訳（メタデータ） (2026-06-26T10:27:52Z)
• An Automated Attack Investigation Approach Leveraging Threat-Knowledge-Augmented Large Language Models [17.220143037047627]
  Advanced Persistent Threats (APTs) は高価値システムを侵害してデータを盗んだり、操作を妨害したりする。 既存の手法では、プラットフォーム全般性の貧弱さ、進化的戦術への一般化の制限、アナリスト対応のレポート作成が不可能なことなどに悩まされている。 動的に適応可能なKil-Chain対応脅威知識ベースを組み込んだLDMを利用した攻撃調査フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-01T08:57:01Z)
• Investigating cybersecurity incidents using large language models in latest-generation wireless networks [0.0]
  Gemma-7bモデルは、Precision = 0.89、Recall = 0.89、F1-Score = 0.89に従って、最高の結果を示す。 ネットワーク脅威のバイナリ分類器と統合された大規模言語モデルは、サイバーセキュリティインシデント調査の分野における実践的応用に大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-04-14T09:57:20Z)
• Model Inversion Attacks: A Survey of Approaches and Countermeasures [69.18069679327263]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• Enhancing Cyber Security Through Predictive Analytics: Real-Time Threat Detection and Response [0.8883733362171032]
  本研究では,リアルタイムサイバー攻撃検出と応答に対する予測分析の適用性を評価する。 我々は,攻撃タイプ,パケット長,異常スコア,プロトコル使用量,位置情報パターンなどの重要な特徴を分析し,それらの予測値を評価した。
  論文  参考訳（メタデータ） (2024-07-15T16:11:34Z)
• A Geometrical Approach to Evaluate the Adversarial Robustness of Deep Neural Networks [52.09243852066406]
  対向収束時間スコア(ACTS)は、対向ロバストネス指標として収束時間を測定する。 我々は,大規模画像Netデータセットに対する異なる敵攻撃に対して,提案したACTSメトリックの有効性と一般化を検証する。
  論文  参考訳（メタデータ） (2023-10-10T09:39:38Z)
• A New Task and Dataset on Detecting Attacks on Human Rights Defenders [68.45906430323156]
  我々は,500のオンラインニュース記事にクラウドソーシングされたアノテーションからなる人権擁護者に対する攻撃(HRDsAttack)を検出するための新しいデータセットを提案する。 アノテーションには、攻撃のタイプと場所に関する詳細な情報と、被害者に関する情報が含まれている。 いくつかのサブタスク上でベースラインモデルをトレーニングし,評価し,注釈付き特性を予測することで,データセットの有用性を実証する。
  論文  参考訳（メタデータ） (2023-06-30T14:20:06Z)
• Forecasting Future World Events with Neural Networks [68.43460909545063]
  Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。 ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。 予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
  論文  参考訳（メタデータ） (2022-06-30T17:59:14Z)

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。