論文の概要: Automated Rule Mutation for Emerging Attack Variants using Infrastructure-Aware Technique Proximity
- arxiv url: http://arxiv.org/abs/2610.24162v1
- Date: Fri, 16 Oct 2026 19:38:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 10:33:11.83809
- Title: Automated Rule Mutation for Emerging Attack Variants using Infrastructure-Aware Technique Proximity
- Title（参考訳）: インフラストラクチャー・アウェア・テクニックの近似を用いた新興攻撃変数の自動変更
- Abstract要約: 可変検出ルールを生成する自動ルール突然変異ソリューションARMSを紹介する。
ARMSは、元の攻撃に関連するテクニックを特定するために、新しい3次元近接空間を定義している。
ほぼ全ての生成された派生ルールがSIEMクエリにコンパイルされた。
- 参考スコア（独自算出の注目度）: 14.55397609275218
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detection rules are typically crafted based on specific observations of an attack. While these rules are effective for particular attack instances, their coverage diminishes when adversaries modify their techniques, such as by employing alternative execution paths or adapting to different telemetry environments while achieving the same objective. To address this challenge, we introduce ARMS, an automated rule mutation solution that generates variant detection rules. ARMS defines a novel three-dimensional proximity space to identify techniques related to the original attack that capture structural relations, functional similarity, and environmental constraints. Rather than relying on ungrounded generation, ARMS leverages verifiable attack execution commands, which are extracted via semantic alignment with the Atomic Red Team repository, to construct a context-aware Retrieval-Augmented Generation (RAG) pipeline. We evaluated ARMS using verified, public SigmaHQ rules and successfully generated variants, demonstrating ARMS's capability to expand detection coverage. We further evaluated ARMS across multiple research questions, showing the effectiveness of each proximity dimension and infrastructure-aware rule customization. Nearly all generated variant rules successfully compiled into SIEM queries, and ~92% of the newly generated rules detect the original behavior despite attackers' technique variations.
- Abstract（参考訳）: 検出ルールは通常、特定の攻撃の観察に基づいて作成される。
これらのルールは特定の攻撃インスタンスに対して有効であるが、そのカバレッジは、代替の実行パスを採用したり、異なるテレメトリ環境に適応して同じ目的を達成したりすることで、敵がテクニックを変更したときに減少する。
この課題に対処するために、可変検出ルールを生成する自動ルール突然変異ソリューションであるARMSを導入する。
ARMSは、構造的関係、機能的類似性、環境制約を捉えた元の攻撃に関連する技術を特定するために、新しい3次元近接空間を定義している。
根拠のない生成に頼る代わりに、ARMSは、Atomic Red Teamリポジトリとのセマンティックアライメントを通じて抽出される検証可能なアタック実行コマンドを活用して、コンテキスト対応のRetrieval-Augmented Generation(RAG)パイプラインを構築する。
検証済みの公開SigmaHQルールを用いてARMSを評価し,検出範囲を拡大するARMSの能力を実証した。
さらに,複数の研究課題にまたがってARMSを評価し,各近接次元の有効性とインフラ対応ルールのカスタマイズについて検討した。
ほぼすべての生成された派生ルールがSIEMクエリにコンパイルされ、新しく生成されたルールの約92%は攻撃者のテクニックのバリエーションにもかかわらず、元の振る舞いを検出する。
関連論文リスト
- RoboVAD: A Large Cross-Domain Evaluation Benchmark for Anomaly Detection in Robotic Arm Manipulation Videos [60.00002556483565]
ビデオ異常検出(VAD)は、公共の監視や道路交通安全といった典型的なシナリオに広く応用される、活発に研究されている課題である。
本稿ではロボットアーム操作ビデオにおけるビデオ異常検出のための大規模ベンチマークであるRoboVADを紹介する。
我々は、ロボットアーム操作に特化して適応した新しい手法を含む、最先端のVAD手法を訓練し、評価する。
論文 参考訳（メタデータ） (2026-09-15T21:02:38Z) - HazardAuditor: From Executable Threats to Safer Computer-Use Agents [50.06351661912873]
既存のガードモデルは静的なプロンプトと応答をターゲットとしている。
既存の安全プラットフォームは、正規化された監督ではなく、ガードモデルで学ぶ必要がある評価判断を生成する。
両ギャップを埋める実行基盤フレームワークであるHazardAuditorを紹介します。
論文 参考訳（メタデータ） (2026-09-14T07:09:33Z) - Inherited Circuits, Learned Semantics: How Fine-Tuning Creates Evasion Vulnerabilities Invisible to Standard Evaluation [0.0]
セキュリティ分類のために微調整されたLLMは、通常、トレーニングデータと同じ分布から保持された例で評価される。
これは、微調整自体によって導入された脆弱性を見逃す可能性があることを示す。
セキュリティの微調整により,回避面を拡大しながらタスクの精度が向上することを示す。
論文 参考訳（メタデータ） (2026-06-25T14:29:03Z) - GenTI: Benchmarking LLMs for Autonomous IDPS Rule Generation for Unseen Attacks [1.7816843507516946]
Generative Thread Intelligence (GenTI) は、見えない攻撃をターゲットとしたIDPSルールの自動生成のためのベンチマークである。
GTIは、Snort、Suricata、Emerging Threats、50k YARAから150k以上の検出および防止ルールを集約し、それぞれにプロトコル動作、ペイロードシグネチャ、コンテキスト関係、CTI(Cyber Threat Intelligence)へのマッピングを注釈付けしている。
我々のGenTIインスタンス化は、複合ルール品質スコア89.4%、CTIカバレッジ94.8%、未確認攻撃検出45%から87.4%の改善、偽陽性率8.5%の削減を実現している。
論文 参考訳（メタデータ） (2026-06-04T08:19:52Z) - OpenKedge: Governing Agentic Mutation with Execution-Bound Safety and Evidence Chains [2.124730017640531]
OpenKedgeは、突然変異を支配プロセスとして再定義するプロトコルである。
EEC(Intent-to-Execution Evidence Chain)は、意図、文脈、政策決定、実行境界、成果を統一された系統にリンクする。
マルチエージェントのコンフリクトシナリオとクラウドインフラストラクチャの変異に対してOpenKedgeを評価した。
論文 参考訳（メタデータ） (2026-04-07T22:51:08Z) - ARMOR: Agentic Reasoning for Methods Orchestration and Reparameterization for Robust Adversarial Attacks [28.44035744358622]
ARMORは3つの正反対プリミティブ、Carini-Wagner(CW)、Jacobian-based Saliency Map Attack(JSMA)、空間変換攻撃(STA)を編成する。
標準ベンチマークでは、ARMORはアーキテクチャ間転送の改善を実現し、両方の設定を確実に騙す。
論文 参考訳（メタデータ） (2026-01-26T11:36:34Z) - STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model [71.35577462669856]
拡散言語モデル(DLM)を用いた頑健で確実な言語ステガノグラフィーを提案する。
ステガノグラフ抽出中に擬似ランダム誤り訂正や近傍探索補正を含む誤り訂正戦略を導入する。
論文 参考訳（メタデータ） (2026-01-21T08:58:12Z) - GRIDAI: Generating and Repairing Intrusion Detection Rules via Collaboration among Multiple LLM-based Agents [16.185318922819466]
GRIDAIは侵入検知ルールの自動生成と修復のための新しいエンドツーエンドフレームワークである。
GRIDAIは新しい攻撃サンプルと既存のルールの関係を特定し、新しい攻撃と変種を扱うためのルールを効率的に生成し、修復する。
論文 参考訳（メタデータ） (2025-10-15T08:05:38Z) - Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。
RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。
これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。
我々は、無害な」知識基盤の著作権保護の名称を提案する。
論文 参考訳（メタデータ） (2025-02-10T09:15:56Z) - Context Enhancement with Reconstruction as Sequence for Unified Unsupervised Anomaly Detection [68.74469657656822]
非教師付き異常検出(AD)は、通常のサンプルのみを用いて堅牢な検出モデルを訓練することを目的としている。
最近の研究は、すべてのクラスに対して1つのモデルのみをトレーニングする、統一された教師なしAD設定に焦点を当てている。
本稿では,特徴再構成時の文脈対応性を高める新しいRAS法を提案する。
論文 参考訳（メタデータ） (2024-09-10T07:37:58Z) - Unsupervised and self-adaptative techniques for cross-domain person
re-identification [82.54691433502335]
非重複カメラにおける人物再識別(ReID)は難しい課題である。
Unsupervised Domain Adaptation(UDA)は、ソースで訓練されたモデルから、IDラベルアノテーションなしでターゲットドメインへの機能学習適応を実行するため、有望な代替手段です。
本稿では,新しいオフライン戦略によって生成されたサンプルのトリプレットを利用する,UDAベースのReID手法を提案する。
論文 参考訳（メタデータ） (2021-03-21T23:58:39Z)
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。