論文の概要: Automated Post-Exploitation Attack Chain Exploration Based on a Phase-guided Hybrid Planning-Monte Carlo Tree Search Algorithm

• arxiv url: http://arxiv.org/abs/2610.32278v1
• Date: Fri, 23 Oct 2026 07:36:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.421997
• Title: Automated Post-Exploitation Attack Chain Exploration Based on a Phase-guided Hybrid Planning-Monte Carlo Tree Search Algorithm
• Title（参考訳）: 位相誘導ハイブリッド計画-モンテカルロ木探索アルゴリズムに基づく探索後連鎖探索の自動化
• Abstract要約: 自動爆発攻撃チェーン探索システム(APEX)について紹介する。 APEXは、アタックチェーン発見を計画問題に変換し、新しいフェーズ誘導ハイブリッドプランニング-モンテ・カルロ木探索アルゴリズムで解決する。
• 参考スコア（独自算出の注目度）: 9.831228625172054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advanced attackers in post-exploitation scenarios increasingly craft attack chains that combine benign operations, configuration errors, and vulnerability exploitation to achieve objectives like privilege escalation. While such chains pose significant threats, manually discovering them in complex modern host environments is prohibitively labor-intensive. Automating this discovery is therefore essential for proactive defense, yet existing methods still suffer from inefficiency and lack diversity when exploring these attack chains. To address these limitations, we present APEX, an Automated Post-EXploitation attack chain exploration system. This system transforms attack chain discovery into a planning problem and solves it with a novel phase-guided hybrid Planning-Monte Carlo Tree Search (MCTS) algorithm. By organizing attack actions into semantic phases and integrating symbolic planning with MCTS, APEX enables efficient exploration of the state space while generating multiple diverse chains. Evaluations on a benchmark comprising 5 virtual machines, 30 synthetic problems and 291 cloud instances demonstrate that APEX successfully discovers both known and previously unreported attack chains--including 9 novel privilege escalation vectors--providing actionable intelligence for hardening complex production environments.
• Abstract（参考訳）: エクスプロイテーション後のシナリオにおける高度な攻撃者は、特権エスカレーションのような目的を達成するために、良質な操作、設定エラー、脆弱性のエクスプロイトを組み合わせたアタックチェーンをますます作っていく。 このような連鎖は重大な脅威をもたらすが、複雑な現代のホスト環境で手動でそれらを発見することは、労働集約的である。 そのため、この発見の自動化は積極的な防御に不可欠であるが、既存の手法は、これらの攻撃鎖を探索する際の非効率性と多様性の欠如に苦しむ。 これらの制約に対処するため,我々は,自動爆発攻撃チェーン探索システムであるAPEXを提案する。 本システムは,アタックチェーン発見を計画問題に変換し,新しい位相誘導型ハイブリッドプランニング・モンテ・カルロ木探索(MCTS)アルゴリズムで解決する。 セマンティックフェーズにアタックアクションを編成し、MCTSとシンボリックプランニングを統合することで、APEXは複数の多様なチェーンを生成しながら、状態空間の効率的な探索を可能にする。 5つの仮想マシン、30の合成問題、291のクラウドインスタンスからなるベンチマークによる評価は、APEXが既知の攻撃チェーンと報告されていない攻撃チェーンの両方を正常に発見することを示し、その中には9つの新しい特権エスカレーションベクターが含まれ、複雑な生産環境を硬化させるために実行可能なインテリジェンスを提供する。

関連論文リスト

• Speculative Safety Honeypot: Toward Proactive Defense Against Multi-turn Agent Attacks [8.417092293145116]
  マルチターン・インタラクション・アタックは重要なセキュリティ上の課題となっている。 投機的復号化に触発されて、投機的安全ハニーポット(SSH)フレームワークを提案する。 投機段階では、SSHはターゲットエージェントの将来の挙動を予測し、事前に潜在的なリスクを明らかにするために軌道木を非同期に構築する。 検証段階では、システムはターゲットエージェントの実際の動作を使用して軌道木を校正し、プーンし、偽陽性を効果的に低減する。
  論文  参考訳（メタデータ） (2026-09-30T11:50:06Z)
• TrojanWorld: Backdooring World-Model Agents via Imagination Steering [65.38754125569848]
  TrojanWorldは、世界モデルエージェントのためのバックドアフレームワークで、内部の想像力を操ることで攻撃者が特定した振る舞いを誘導する。 トリガーアクティベーションの下では、トロイジャンワールドは0.026までの目標アクション偏差を達成し、対応するクリーンパフォーマンスの少なくとも98.8%を維持している。
  論文  参考訳（メタデータ） (2026-09-07T05:14:10Z)
• ChainWatch: A Kill Chain-Aligned Sequential Detection Framework for Multi-Step Attacks in MCP-Based AI Agent Systems [0.0]
  ChainWatchは、AIエージェントシステムにおけるマルチステップ攻撃を識別するためのシーケンシャルな検出フレームワークである。 ChainWatchは、従来のコール単位のセキュリティメカニズムを回避するためのアタックチェーンを検出する方法を示す。
  論文  参考訳（メタデータ） (2026-07-20T22:36:26Z)
• CAHS-Attack: CLIP-Aware Heuristic Search Attack Method for Stable Diffusion [6.4760110921280045]
  拡散モデルは、敵のプロンプトに直面すると顕著な脆弱さを示す。 本稿では,CLIP-Aware Heuristic Search攻撃法CAHS-Attackを提案する。
  論文  参考訳（メタデータ） (2025-11-26T08:52:44Z)
• Active Attacks: Red-teaming LLMs via Adaptive Environments [71.55110023234376]
  大規模言語モデル(LLM)に対する多様な攻撃プロンプトを生成するという課題に対処する。 我々は、犠牲者が進化するにつれて攻撃に適応する新しいRLベースのレッドチームアルゴリズムであるtextitActive Attacksを導入する。
  論文  参考訳（メタデータ） (2025-09-26T06:27:00Z)
• Temporal Logic-Based Multi-Vehicle Backdoor Attacks against Offline RL Agents in End-to-end Autonomous Driving [26.094398456088403]
  我々は、1台以上の車両の軌道をトリガーとして利用するエンド・ツー・エンドADシステムに対する新たなバックドア攻撃を導入する。 我々は、トリガーに似ているがバックドアを起動しないパッチトラジェクトリを組み込むことで、負のトレーニング戦略を開発する。 提案攻撃の柔軟性と効果を実証し、既存のエンドツーエンドADシステムの脆弱性を調査する。
  論文  参考訳（メタデータ） (2025-09-21T07:13:19Z)
• Multi-granular Adversarial Attacks against Black-box Neural Ranking Models [111.58315434849047]
  多粒性摂動を取り入れた高品質な逆数例を作成する。 我々は,多粒体攻撃を逐次的意思決定プロセスに変換する。 本手法は,攻撃の有効性と非受容性の両方において,一般的なベースラインを超えている。
  論文  参考訳（メタデータ） (2024-04-02T02:08:29Z)
• 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)

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。