論文の概要: Dynamic Attack Surfaces: A Queue of Branching Processes

• arxiv url: http://arxiv.org/abs/2610.18721v1
• Date: Tue, 13 Oct 2026 17:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 20:06:04.773494
• Title: Dynamic Attack Surfaces: A Queue of Branching Processes
• Title（参考訳）: 動的アタックサーフェス:ブランチプロセスのキュー
• Abstract要約: 脆弱性発見とリソース制約のパッチ処理を結合したブランチプロセスのキューを使用して、現代のサイバーセキュリティをキャプチャします。 私たちの主要なリスク測定基準は、パッチがパッチされる前に脆弱性体験を累積するエクスプロイトの数です。 攻撃力と防御能力の対等に比例したAI増幅は、セキュリティを維持する必要はないことを示す。
• 参考スコア（独自算出の注目度）: 33.822801959674834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern attack surfaces are inherently dynamic. Vulnerabilities emerge over time and they remain exposed to exploit until defenders discover and patch them. Artificial intelligence (AI) amplifies these dynamics by accelerating both offensive and defensive processes, making modern cybersecurity increasingly a competition among interacting time scales and resources. We capture this competition using a queue of branching processes that couples vulnerability discovery and resource-constrained patching with the evolving attacker population targeting each vulnerability. Our primary risk metric is the cumulative number of exploits a vulnerability experiences before it is patched. We derive the expected cumulative number of exploits under birth-death-immigration (BDI) and rise-decay (RD) models of attacker activity. Under a BDI model of attacker activity, we identify a phase transition: the expected cumulative number of exploits is finite only when attacker growth remains below both the vulnerability discovery rate and the effective patching rate. Across both attacker models, increasing the exploit rate does not necessarily increase the expected number of exploits because faster attacker departure can sufficiently limit the active attacker population. Finally, we show that equal proportional AI amplification of offensive and defensive capabilities need not preserve security: accelerating both sides can shift the defensive bottleneck and move the system into an unbounded-risk regime.
• Abstract（参考訳）: 現代の攻撃面は本質的に動的である。 脆弱性は時間とともに出現し、防御者が発見してパッチをパッチするまで、エクスプロイトに晒される。 人工知能(AI)は、攻撃的プロセスと防御的プロセスの両方を加速することで、これらのダイナミクスを増幅する。 この競合は、脆弱性発見とリソース制約のパッチを結合したブランチプロセスのキューを使用して、各脆弱性をターゲットにした攻撃者集団を進化させます。 私たちの主要なリスク測定基準は、パッチがパッチされる前に脆弱性体験を累積するエクスプロイトの数です。 攻撃活動の出生死移民(BDI)モデルと上昇脱毛(RD)モデルに基づく累積攻撃数を導出する。 攻撃者の増加が脆弱性発見率と効果的なパッチングレートの両方以下である場合に限って、期待される攻撃数の累積的なエクスプロイト数は有限である。 両方の攻撃モデル全体で、エクスプロイト率の増加は必ずしも期待されるエクスプロイト数を増加させるとは限らない。 最後に、攻撃的かつ防御的能力の対等なAI増幅は、セキュリティを維持する必要はないことを示す。

関連論文リスト

• A Queueing-Theoretic Framework for Dynamic Attack Surfaces: Data-Integrated Risk Analysis and Adaptive Defense [3.752638810747504]
  我々はサイバー攻撃面の時間的進化をモデル化する待ち行列理論フレームワークを開発した。 我々は、AI増幅因子を導入し、到着、エクスプロイト、パッチのレートを拡大することで、自動化が攻撃と防御のダイナミクスにどのように影響するかを研究する。 提案したRLベースの防衛方針は,既存の防衛手法と比較して,ソフトウェアサプライチェーンにおけるアクティブな脆弱性の平均数を90%以上削減することを示す。
  論文  参考訳（メタデータ） (2026-04-12T02:52:24Z)
• The Autonomy Tax: Defense Training Breaks LLM Agents [5.990318568221089]
  安全を改善するために設計された防衛訓練は、高度な攻撃を防ぐのに失敗しながら、エージェントの能力を体系的に破壊する。 我々は,97件のエージェントタスクと1,000件の敵のプロンプトにまたがる無防備なベースラインに対する防御モデルの評価を行った。 その結果,現在の防衛パラダイムは,マルチステップエージェントを基本的に信頼できないようにレンダリングしながら,シングルターンリフェールベンチマークに最適化されていることがわかった。
  論文  参考訳（メタデータ） (2026-03-19T19:33:17Z)
• Game-Theoretic Modeling of Stealthy Intrusion Defense against MDP-Based Attackers [1.230067722774416]
  我々は、攻撃グラフ上の攻撃者とディフェンダーとの間の戦略的相互作用として、高度な永続的脅威をモデル化する。 攻撃者の位置と進行に関する限られた情報により、ディフェンダーは侵入検知センサーを配置することでランダムな間隔で行動する。 我々は、対応する最適化問題を解くことによって最適な防御戦略を導出する。
  論文  参考訳（メタデータ） (2026-03-10T12:35:57Z)
• CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
  本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。 CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。 フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
  論文  参考訳（メタデータ） (2025-08-01T09:53:06Z)
• BadCLIP: Dual-Embedding Guided Backdoor Attack on Multimodal Contrastive Learning [85.2564206440109]
  本報告では,防衛後においてもバックドア攻撃が有効であり続けるという現実的なシナリオにおける脅威を明らかにする。 バックドア検出や細調整防御のモデル化に抵抗性のあるemphtoolnsアタックを導入する。
  論文  参考訳（メタデータ） (2023-11-20T02:21:49Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。