論文の概要: When Benign Is Unverified: Label-Signal Mismatch and Abstention-First Triage in Graph-Based Memory Forensics

• arxiv url: http://arxiv.org/abs/2611.01225v1
• Date: Sat, 31 Oct 2026 19:54:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:02:51.23407
• Title: When Benign Is Unverified: Label-Signal Mismatch and Abstention-First Triage in Graph-Based Memory Forensics
• Title（参考訳）: ラベル署名ミスマッチとAbstention-First Triage in Graph-based Memory Forensics
• Abstract要約: Windowsメモリイメージのためのグラフベースのトリアージパイプラインを報告する。 MalVol-25では、透明な規則層は全ての制御における良性ラベルと矛盾する。 私たちはこのルールラベルのラベルと署名のミスマッチを呼んでいます。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Machine-learning triage for memory forensics is usually validated on corpora whose benign class is asserted by provenance and never verified. We report a validation study of a graph-based triage pipeline for Windows memory images: Volatility 3 output is compiled into typed heterogeneous graphs and scored by a temperature-scaled GINE classifier and two one-class encoders, fused with rule risk under an abstention gate. On MalVol-25 a transparent rule layer contradicts the benign label on every control (15/15 and 18/18 flagged; at least 11 of 15 paired controls rated HIGH or CRITICAL), and mean injection and command-and-control counts run higher on controls than on infected captures. We call this rule-label discordance label-signal mismatch; it shows the benign class is unverified, not compromised. Leave-one-family-out AUROC over matched pairs is provably three-valued, so a reported mean and standard deviation identify the fold composition. The learned model (0.786 +- 0.311; 9/4/1, scored in-sample by a frozen checkpoint) equals a logistic model over rule-derived attributes (0.786 +- 0.410; 11/0/3) in mean only, and its significance rests on dropping four saturated ties. The fusion path sends 97.7% of snapshots to analyst review, 95.3% with every gate disabled. Two public feature-level corpora show the same defect: on CIC-MalMem-2022 every benign row carries injected regions and one host-population feature reaches AUROC 0.997 under leave-one-family-out validation; on the Sihwail et al. (2021) sample the injection indicator fires on 53% of benign rows. We close with seven reporting artefacts for learned triage on corpora whose ground truth is asserted.
• Abstract（参考訳）: 記憶法医学のための機械学習トリアージは通常、良性クラスが証明によって主張され、検証されないコーパスで検証される。 ボラティリティ3の出力は、型付き不均一なグラフにコンパイルされ、温度スケールのGINE分類器と2つの1クラスエンコーダによってスコアされ、保持ゲートの下でルールリスクと融合する。 MalVol-25では、透明なルール層は、フラグ付けされたすべてのコントロール(15/15と18/18)の良性ラベルと矛盾し、15対のコントロールのうち、少なくとも11つは、感染したキャプチャよりも、平均的なインジェクションとコマンド・アンド・コントロールのカウントが、コントロール上で実行される。 私たちはこのルールラベルの不一致ラベルと信号のミスマッチと呼んでいる。 整合ペア上でのAUROCの持ち帰りは3値であり, 報告された平均偏差と標準偏差は折りたたみ組成を同定する。 学習モデル(0.786 +-0.311; 9/4/1、凍結チェックポイントで採点)は、ルール由来の属性(0.786 +- 0.410; 11/0/3)よりもロジスティックモデルに等しい。 融合パスは97.7%のスナップショットをアナリストレビューに送信し、95.3%はすべてのゲートを無効にしている。 CIC-MalMem-2022では、すべての良性行が注入された領域を持ち、一方の宿主集団的特徴は1つの家族的検証の下でAUROC 0.997に達する。 我々は、基礎的な真実が主張されているコーパスで学習されたトリアージに関する7つの報告アーティファクトに近づいた。

関連論文リスト

• SCCL-DT: Semantic-Conflict-Aware Contrastive Learning with Dual-Rule Teacher Distillation for Zero-Shot Chest X-Ray Diagnosis [28.733462944451443]
  対照的な視覚言語による事前訓練は、ゼロショット胸部X線診断をサポートする。 標準目的は、バッチ内のすべての対角外イメージ-リポートペアを負として扱う。 セマンティック・コンフリクト・アウェア・コントラスト学習を提案する。
  論文  参考訳（メタデータ） (2026-10-15T15:44:40Z)
• MIRTO: a registration-gated, multiverse-tested evaluation protocol for unsupervised anomaly segmentation in brain MRI [0.0]
  選択を明示し,その効果を測定する評価プロトコルであるMIRTOを提案する。 MIRTOは、登録チェックとラベルなしの既知のパワー診断との全ての比較の幾何学をゲートする。 15,552個の補正可能な評価パイプラインをそれぞれ比較し、多重度制御によるペアリングされた対象-ブートストラップ間隔を付加する。
  論文  参考訳（メタデータ） (2026-10-01T17:44:22Z)
• DeBERTa-ConPara: Attack-Aware and Deployment-Realistic Detection of AI-Generated Text [42.255101883505056]
  DeBERTa-ConParaは,HC3 Plus,M4,MAGE,RAIDで学習した文脈変換器エンコーダと,攻撃対応Unicode前処理を組み合わせたデプロイメント指向検出器である。 我々の中心的な発見は、前処理が適用された場所によって反対方向に作用することである。 2つの配置の因子的変化は、正規化推論による生のトレーニングを最高の設定として独立に識別する。 12種類の攻撃クラスのうち、ホモグリーフとゼロ幅空間の挿入は11.05%から1.12%から96.98%に増加した。
  論文  参考訳（メタデータ） (2026-10-01T00:57:33Z)
• Where the Numbers Come From: Auditing Evaluation in Provenance-Based Intrusion Detection [42.49426058823369]
  証明に基づく侵入検知器のスコアを再現しても、そのアラームの出力やエンコーダが使用する情報についてそのスコアが何を言っているかは定かでない。 我々は、リリースした9つの実装を監査し、独自のコードを使用して4つの検出器を実行し、3つの測定効果を分離する。
  論文  参考訳（メタデータ） (2026-09-27T13:01:02Z)
• The Model Proposes, the Code Disposes: A Pre-Registered Ablation of a Verifier-and-Acceptance Stage in an LLM-Orchestrated Offensive-Security Agent [0.0]
  決定的コードによって検証が強制されるモデル検証装置である検証受理段階が、LCMが主導する攻撃セキュリティエージェントが報告するものを変更するかどうかを評価する。 本報告では,15回の探索パイロット,20回の予備登録検定アブレーション,および2回の故意に脆弱な検査対象を40回実施した2×2因子分析を行った。 検証者はシステムが提供するものを変更し、決定論的コードは強制と監査性を提供します。
  論文  参考訳（メタデータ） (2026-09-14T17:13:05Z)
• K/V-Cache Interventions Dissociate Representation Alignment from Persona Expression in Decoder-Only Language Models [32.7114174898989]
  我々は,デコーダのみの言語モデルにおけるペルソナ制御のための構造化曲面として,K/V-cacheの介入について検討する。 表現レベルのアライメントと行動表現の間には2つの一貫した普遍性があり,また位置摂動下での共通の失敗も報告する。
  論文  参考訳（メタデータ） (2026-09-10T02:56:50Z)
• TRIAGE: Risk-Controlled Pseudo-Label Admission for Annotation-Efficient Semi-Supervised Retinal OCT Classification [0.6213771671016098]
  本稿では,OCTスキャン分類のためのリスク制御型半教師付きフレームワークTRIAGEを提案する。 ノアアイ病院(Bスキャン16,822人、161人、554巻)のデータセットで、TRIAGEは89.66%のスキャンレベルの精度、0.8805のマクロF1、0.9641のマクロAUC、そして8.34%の下位グレードレートを示している。
  論文  参考訳（メタデータ） (2026-08-14T14:06:48Z)
• A Fuzzy Rule-based Neuro-Symbolic Approach for Pipe Severity Prediction in Sewer Networks [0.0]
  本研究では、このギャップを象徴的推論から神経知覚を分離することで橋渡しするモジュラーでファジィな規則に基づくニューロシンボリック・フレームワークを導入する。 推論のために、DT、特にウェカのJ48アルゴリズムは、接地規則のCODEと重度ラベルに基づいて訓練され、その経路は19の固定IF-THENルールに変換される。 全体として、このフレームワークは、競合するクラスバランスのパフォーマンスと予測されたCODE学位からのトレース可能な推論を組み合わせることで、ルールサポートと重大さのエビデンスを実現している。
  論文  参考訳（メタデータ） (2026-07-30T16:33:26Z)
• Wolff-Parkinson-White Detection at 471:1 Class Imbalance: A Leakage-Controlled Study of the Data Bottleneck [0.0]
  Wolff-Parkinson-White症候群 (WPW) は先天性心前駆症であり、臨床的には重要であり、12誘導心電図では欠落することが多い。 PTB-XL と Chapman-Shaoxing-Ningbo の2つの公開 12-lead corpora: 66,951 レコード,142 レコードの WPW は 0.21% (約471:1) である。 事前に規定された1つのリーク制御プロトコルの下では、ホールドアウトフォールドが正確に1回接触し、信号の7つの表現を比較し、分割と評価を固定する。
  論文  参考訳（メタデータ） (2026-07-27T20:57:46Z)
• Scaffold splits hide structural-frontier failures in ADMET models [25.408600489964726]
  我々は,最も広く,最も物理化学的に遠隔的な足場群を予約するラベルフリーな構造フロンティアスプリットを導入する。 ADMETタスクを6つの公開実験またはキュレートしたADMETタスクで評価した。
  論文  参考訳（メタデータ） (2026-07-12T12:25:50Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)

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。