論文の概要: A Matched Evaluation of QUBO Action Models and Defensive Remediation in Cyber Attack Graphs

• arxiv url: http://arxiv.org/abs/2611.02179v1
• Date: Sun, 01 Nov 2026 20:28:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-12 05:47:56.157534
• Title: A Matched Evaluation of QUBO Action Models and Defensive Remediation in Cyber Attack Graphs
• Title（参考訳）: サイバー攻撃グラフにおけるQUBO行動モデルと防御修復の一致評価
• Abstract要約: 脆弱性特異的な動作は、最小コストの攻撃経路と防御的修復のための2値制約のない2値最適化モデルに影響を及ぼす。 6つの独立した合成トポロジの実験は、遷移適性、脆弱性ラベル、エクスプロイトコスト、および複数のエクスプロイト代替品の影響を分離する。 結果は、古典的な局所最適化を用いて、定式化の正しさ、解の回復、およびリソース要求を特徴づける。
• 参考スコア（独自算出の注目度）: 0.10923877073891443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study examines how vulnerability-specific actions affect quadratic unconstrained binary optimization (QUBO) models for minimum-cost cyber attack paths and defensive remediation. Edge-flow and variable-length hop formulations are evaluated using simulated annealing, steepest descent, and tabu search against exact classical references. Experiments on six independent synthetic topologies separate the effects of transition eligibility, vulnerability labels, exploit costs, and multiple exploit alternatives. A single labeled action per eligible transition preserves feasible paths, optimal costs, and QUBO size. Under the tested settings, multiple exploit alternatives were associated with approximately unchanged valid-path recovery, lower optimal-path recovery, and substantially larger representations, particularly for the hop formulation. These recovery differences remain descriptive because they are not statistically significant after correction for multiple comparisons. An evaluation on a published 3CX attack graph with synthetic costs demonstrates applicability beyond the generated topologies. The defensive extension selects patches within a budget to raise attack-path costs to specified thresholds or disconnect protected targets. Against exhaustive and mixed-integer references, the tested QUBO heuristics recovered an optimal patch set in 12 of 16 calls across eight scenarios on one topology. The results characterize formulation correctness, solution recovery, and resource requirements using classical local optimization, without establishing quantum computational advantage.
• Abstract（参考訳）: 本研究では,脆弱性特異的な行動が,最小コストのサイバー攻撃経路と防御修復のための2次非拘束バイナリ最適化(QUBO)モデルにどのように影響するかを検討する。 エッジフローと可変長ホップの定式化は, 模擬アニーリング, 最も急降下, 正確な古典的参照に対するタブサーチを用いて評価した。 6つの独立した合成トポロジの実験は、遷移適性、脆弱性ラベル、エクスプロイトコスト、および複数のエクスプロイト代替品の影響を分離する。 許容される遷移ごとに単一のラベル付きアクションは、実現可能なパス、最適コスト、QUBOサイズを保存する。 テストした条件下では、複数のエクスプロイト代替案が、ほぼ一定の有効経路回復、最適経路回復率の低下、ホップの定式化など、かなり大きな表現に関連付けられていた。 これらの回復の相違は、複数の比較の補正後に統計的に有意ではないため、説明的のままである。 合成コストを伴う3CXアタックグラフの評価は、生成されたトポロジを超えて適用可能であることを示す。 防衛拡張は予算内でパッチを選択して、特定の閾値に対する攻撃パスコストを上げるか、保護対象を切断する。 徹底的および混合整数参照に対して、テストされたQUBOヒューリスティックスは、1つのトポロジー上の8つのシナリオにまたがる16の呼び出しのうち12の最適なパッチセットを回収した。 この結果は、量子計算の優位性を確立することなく、古典的な局所最適化を用いて定式化の正しさ、解の回復、およびリソース要求を特徴づける。

関連論文リスト

• Preference Data Selection for Mitigating the Alignment Tax in Large Language Models [52.18310687523229]
  BALIGNは、アライメント効率を最適化しながら破滅的な忘れを緩和するバランスのとれたデータ選択戦略である。 3つの重要なデータ中心の機能を統一された複合リスクスコアに集約することにより、BALIGNは、ハイリスクな選好サンプルを体系的にフィルタリングする。 標準的な人間の嗜好データセットの実験では、BALIGNはアライメントゲインを損なうことなく基礎的能力を強く保持している。
  論文  参考訳（メタデータ） (2026-08-25T07:58:42Z)
• Instance-Optimal Estimation with Multiple LLM Judges on a Budget [84.31744861038106]
  我々は、この問題を*予算付きヘテロスケダティックなマルチジャッジ推定*として定式化する。 K$のプロンプト-レスポンスペア、J$の既知のコストと未知のクエリ-ジャッジ分散が与えられた場合、目標は、$ell_p$-errorを最小化しながら、有界スコアベクトルを推定することである。 EST-IVWEは,予算の低次項までのオラクルIVWEレートと一致していることを示す。
  論文  参考訳（メタデータ） (2026-05-22T08:26:08Z)
• Direct Bethe Free Energy Minimization for Bayesian Neural Network [0.0]
  我々は,変分下界を最大化するのではなく,Bethe自由エネルギーを直接最小化してベイズニューラルネットワークを訓練することを提案する。 木構造因子グラフ上では、Bethe自由エネルギーは正確であり、決定論的層は目的から外れ、標準のバックプロパゲーションによって訓練される。 すべての変種は、アンサンブルやサンプリングベースの手法とは対照的に、MAP等価な推論コストで閉形式予測を許容する。
  論文  参考訳（メタデータ） (2026-05-08T20:12:48Z)
• Advancing Generalized Transfer Attack with Initialization Derived Bilevel Optimization and Dynamic Sequence Truncation [49.480978190805125]
  転送攻撃はブラックボックスアプリケーションに大きな関心を惹きつける。 既存の作業は、本質的に単一のレベルの目的 w.r.t. シュロゲートモデルを直接最適化する。 本稿では,上位レベル(UL)と下位レベル(LL)のサロゲート攻撃とのネスト関係を明示的に再構築する2レベル最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T07:45:27Z)
• Contextual Linear Optimization with Partial Feedback [35.38485630117593]
  本研究では,異なるタイプのフィードバックを持つ文脈線形最適化(CLO)のためのオフライン学習アルゴリズムのクラスを提案する。 我々は,IERMに対して,不特定モデルクラスとフレキシブルな推定方法の選択を可能にする,新しい高速遅延境界を提供する。
  論文  参考訳（メタデータ） (2024-05-26T13:27:27Z)
• Test-time Batch Statistics Calibration for Covariate Shift [66.7044675981449]
  我々は,推論中に深層モデルを新しい環境に適応させることを提案する。 バッチ統計の校正に$alpha$-BNの一般的な定式化を提案する。 また、統合テスト時間適応フレームワークCoreを形成するための新しい損失関数も提示する。
  論文  参考訳（メタデータ） (2021-10-06T08:45:03Z)
• LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial Attack [74.5144793386864]
  LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。 LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
  論文  参考訳（メタデータ） (2021-03-19T13:10:47Z)

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。