論文の概要: Preparing an AI-Augmented SIEM for the EU Cyber Resilience Act: A Practitioner Case Study
- arxiv url: http://arxiv.org/abs/2610.07873v1
- Date: Tue, 06 Oct 2026 07:24:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.86621
- Title: Preparing an AI-Augmented SIEM for the EU Cyber Resilience Act: A Practitioner Case Study
- Title（参考訳）: EUサイバーレジリエンス法のためのAI強化SIEMの作成:実践者による事例研究
- Abstract要約: EUサイバーレジリエンス法(EU Cyber Resilience Act, CRA)2024/2847は、製品サイバーセキュリティを、EU市場におけるデジタル要素を持つ製品のライフサイクル義務とする。
このケーススタディでは、大規模な言語モデルアクティブレスポンスコンポーネントを備えたAI拡張型セキュリティ監視製品であるSEUXDRという、そのような製品のためのCRA準備パイロットが文書化されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The EU Cyber Resilience Act (CRA), Regulation (EU) 2024/2847, makes product cybersecurity a lifecycle obligation for products with digital elements on the EU market: risk assessment, vulnerability handling, conformity documentation, and Article 14 incident- and vulnerability-reporting readiness must be operational before market placement. Small and medium-sized enterprises that build security products are doubly exposed, since their products are in scope while their customers expect them to be exemplary. This case study documents a CRA preparedness pilot for one such product, SEUXDR, an AI-augmented security monitoring product with a large-language-model active-response component, on the open-source CYBERFORT platform. We contribute a reproducible six-step recipe (Scope and Classify, Asset Registration, Produce Evidence, Map to CRA, Gap and Actions, Audit Pack), two end-to-end traceability threads, and a pilot snapshot tracing product risks through baseline and AI-specific controls and policies to CRA objectives. It offers practitioners a replicable starting point for translating CRA legal text into operational preparedness for incident response, vulnerability reporting, and conformity assessment.
- Abstract（参考訳）: EUサイバーレジリエンス法(CRA)、EU規則(EU)2024/2847は、リスクアセスメント、脆弱性ハンドリング、適合性文書、第14条のインシデントおよび脆弱性報告準備は、市場投入前に運用されなければならない。
セキュリティ製品を開発する中小企業は2倍に露出している。
このケーススタディでは、オープンソースのCYBERFORTプラットフォーム上に、大規模な言語モデルのアクティブレスポンスコンポーネントを備えたAI拡張セキュリティ監視製品であるSEUXDRという、そのような製品のためのCRA準備パイロットを文書化しています。
再現可能な6段階のレシピ(Scope and Classify, Asset Registration, Produce Evidence, Map to CRA, Gap and Actions, Audit Pack)、エンドツーエンドトレーサビリティスレッド2つ、ベースラインとAI固有のコントロールとポリシーを通じて製品リスクをトレースするパイロットスナップショットをCRAの目標に提供します。
CRAの法的テキストをインシデント対応、脆弱性報告、適合性評価のための運用準備に翻訳するためのレプリカ可能な出発点を提供する。
関連論文リスト
- Beyond Predictable Paths: Redefining AI Security Incident Reporting for Agents [48.72565160246591]
我々は、AIエージェントのセキュリティが損なわれているインシデントを報告するのに必要な情報を特定する。
我々は、インシデントを効率的に記録する方法や、脆弱性とインシデントを決定する方法など、いくつかのオープンな研究課題を特定します。
プライバシー要件を要約し、AIエージェントの安全で信頼性の高いデプロイに関する研究の方向性を概説する。
論文 参考訳（メタデータ） (2026-09-21T12:53:51Z) - Identifying Security Platform Product Abuse with Machine Learning [23.104408608267054]
製品の乱用は、業界全体で、個々に稀だが、成長している問題である。
脅威のあるアクターは、LOTL(living-off-the-land)攻撃を利用して、煩雑で頻繁に検出されるマルウェアの使用を避けることができる。
製品虐待のカバレッジは35%増加し、毎月のアラートは30%減少し、悪意あるアクターの行動の変化への適応性が向上した。
論文 参考訳（メタデータ） (2026-09-18T04:23:58Z) - An Agentic RAG and Evaluation Framework for Assurance Case Generation: Industrial Use Case for the EU Cyber Resilience Act Compliance [1.3121550601837717]
EUサイバーレジリエンス法(CRA)を遵守することは、中小企業にとって資源集約的な課題である。
本稿では,エージェント検索拡張生成を用いた保証ケース(AC)の自動生成フレームワークを提案する。
技術的ドキュメンテーションの要求を体系的にマッピングすることで、このフレームワークは認証証拠の生成を合理化する。
論文 参考訳（メタデータ） (2026-08-19T23:54:30Z) - SeClaw: Spec-Driven Security Task Synthesis for Evaluating Autonomous Agents [87.26967184869198]
SeClawは、仕様駆動のセキュリティタスク合成と、自律エージェントの実行ベースのセキュリティ評価を組み合わせたフレームワークである。
ベンチマークは、リソース、ユーザタスク、環境、本質的なエージェントの振る舞いから生じるリスクをカバーしている。
論文 参考訳（メタデータ） (2026-06-01T14:23:42Z) - Aegis: Towards Governance, Integrity, and Security of AI Voice Agents [52.7512082818639]
音声エージェントのガバナンス,整合性,セキュリティのためのフレームワークであるAegisを提案する。
我々は,銀行コールセンタ,ITサポート,ロジスティクスにおけるケーススタディを通じて,この枠組みを評価する。
モデルファミリ間の系統的な差異を観察し,より感受性の高いオープンウェイトモデルを示した。
論文 参考訳（メタデータ） (2026-02-07T05:51:36Z) - Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。
LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。
モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
論文 参考訳（メタデータ） (2026-01-12T21:31:38Z) - AI Bill of Materials and Beyond: Systematizing Security Assurance through the AI Risk Scanning (AIRS) Framework [31.261980405052938]
人工知能(AI)システムの保証は、ソフトウェアサプライチェーンセキュリティ、敵機械学習、ガバナンスドキュメントに分散している。
本稿では,AI保証の運用を目的とした脅威モデルに基づくエビデンス発生フレームワークであるAI Risk Scanning(AIRS)フレームワークを紹介する。
論文 参考訳（メタデータ） (2025-11-16T16:10:38Z) - Effects of the Cyber Resilience Act (CRA) on Industrial Equipment Manufacturing Companies [0.0]
CRA(Cyber Resilience Act)は、厳格なサイバーセキュリティ要件を満たすことを保証することで、デジタル製品やサービスのセキュリティを強化することを目的とした、欧州連合(EU)の新たな規制である。
本稿では,産業機器メーカーがCRAに準拠する準備中に期待する課題について,包括的調査を通じて検討する。
論文 参考訳（メタデータ） (2025-05-20T13:09:56Z) - AILuminate: Introducing v1.0 of the AI Risk and Reliability Benchmark from MLCommons [62.374792825813394]
本稿ではAI製品リスクと信頼性を評価するための業界標準ベンチマークとして,AIluminate v1.0を紹介する。
このベンチマークは、危険、違法、または望ましくない行動を12の危険カテゴリーで引き起こすように設計されたプロンプトに対するAIシステムの抵抗を評価する。
論文 参考訳（メタデータ） (2025-02-19T05:58:52Z)
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。