論文の概要: SwarmReconGuard: Black-Box Detection of Distributed Collective Reconnaissance by Individually Benign-Looking Agent Populations

• arxiv url: http://arxiv.org/abs/2610.09138v1
• Date: Tue, 06 Oct 2026 21:29:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.613386
• Title: SwarmReconGuard: Black-Box Detection of Distributed Collective Reconnaissance by Individually Benign-Looking Agent Populations
• Title（参考訳）: SwarmReconGuard: 個体群による分散集団偵察のブラックボックス検出
• Abstract要約: 我々は、ブラックボックスベンチマークであるSwarmReconGuardを紹介し、ディフェンダーはサービス境界テレメトリのみを観測する。 Dockerが分離した調査では、10～10,000の仮想IDにわたる11の良否と攻撃の振る舞いを評価し、440のテスト実行と3,666,300の要求を含む。 結果は、主要な政策一般化のギャップを露呈し、露光を意識し、スケールを意識した防御を動機付ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous and agentic clients can distribute reconnaissance across many identities so that each request remains valid, low-rate, and benign-looking while the population collectively acquires broad system knowledge. We formalize this threat as Distributed Collective Reconnaissance (DCR) and present SwarmReconGuard, a reproducible black-box benchmark in which the defender observes only service-boundary telemetry. The Docker-isolated study evaluates 11 benign and attack behaviors across 10-10,000 virtual identities, comprising 440 test runs and 3,666,300 requests, with complete telemetry integrity. We compare semantic, Gaussian, conditional, graph, kernel, hybrid, and CUSUM-based detectors. Gaussian likelihood-ratio detection achieves 100$\%$ detection with 0$\%$ observed false positives on known attacks but only 3$\%$ on unseen policies. CUSUM yields 36.1$\%$ overall detection at 1.25$\%$ false positives, while hybrid CUSUM reaches 85.7$\%$ detection with 0$\%$ observed false positives at 10,000 identities. Results expose a major policy-generalization gap and motivate exposure-aware, scale-aware defenses.
• Abstract（参考訳）: 自律的およびエージェント的クライアントは、多くのアイデンティティに偵察を分散し、各要求が有効で、低レートで、良質な外観を維持しながら、人口が一括して幅広いシステム知識を取得するようにすることができる。 我々は,この脅威をDCR(Distributed Collective Reconnaissance)として定式化し,サービス境界テレメトリのみを観測する再現可能なブラックボックスベンチマークであるSwarmReconGuardを提示する。 Dockerが分離した調査では、テスト実行440回、要求3,666,300、完全テレメトリの完全整合性を含む、10～10,000の仮想IDにわたる11の良識と攻撃行動を評価している。 我々はセマンティック、ガウス、条件付き、グラフ、カーネル、ハイブリッド、CUSUMベースの検出器を比較した。 ガウス確率比検出は、既知の攻撃に対する偽陽性を観測した0$\%$で100$\%$検出するが、見当たらないポリシーではわずか3$\%$に留まる。 CUSUMは1.25$\%$偽陽性で36.1$\%$、ハイブリッドCUSUMは85.7$\%$、観測値0$\%$は1万の偽陽性である。 結果は、主要な政策一般化のギャップを露呈し、露光を意識し、スケールを意識した防御を動機付ける。

関連論文リスト

• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [69.06648810271712]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• Bernoulli CUSUM and Bayes-Optimal Detection Ceilings for Trust Fraud in Sparse Rating Networks [0.0]
  レーティングネットワークにおける逐次信頼検出は、実データで失敗する連続観測モデルに依存する。 Bitcoin-OTCでは、評価の56%が標準マッピングの下で単一の値を取り、パラメトリック検出器が要求する分散仮定を破っている。
  論文  参考訳（メタデータ） (2026-06-03T16:56:15Z)
• MEMSAD: Gradient-Coupled Anomaly Detection for Memory Poisoning in Retrieval-Augmented Agents [0.0]
  検索強化エージェントに対するメモリ中毒攻撃を,統合評価フレームワークを用いたStackelbergゲームとして定式化する。 ASR-R: 0.25〜1.00$) による攻撃成功度を4倍に向上させる。 私たちの主な貢献は、勾配結合に接地したキャリブレーションに基づく防御であるMEMSADである。
  論文  参考訳（メタデータ） (2026-05-05T08:15:41Z)
• VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization [0.0]
  VeriX-Anonは、オープンソースのターゲット駆動k匿名化のための多層検証フレームワークである。 認証決定木のメルクル式ハッシュによる決定論的検証、ランダムフォレスト決定境界付近の境界センチネルによる確率的検証、および暗号識別子による正確な重複性ツインズの組み合わせである。 12のシナリオのうち11の偏差を正しく検出した。
  論文  参考訳（メタデータ） (2026-04-14T08:22:18Z)
• Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain [0.0]
  ビザンチンのクライアントは、不均一な(Non-IID)データの下での濃度勾配を中毒する。 本稿では,ビザンチン検出・集約フレームワークであるSpectral Sentinelを提案する。 Polygonネットワーク上でブロックチェーンを統合することで,完全なシステムを実現しています。
  論文  参考訳（メタデータ） (2025-12-14T09:43:03Z)
• Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
  多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。 MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。 我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
  論文  参考訳（メタデータ） (2023-10-18T11:36:42Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)

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。