Research / Paper Files
Paper Files
Paper Files は、学習ツールとして scientific method を適用する、cybersecurity における継続学習の個人的実践です。各記事は学術出版のためではなく、斧を研ぐための意図的な訓練として書かれています。特定トピックへの知識を深め、考えを厳密に整理し、特定の विषयへの理解が時間とともにどう発展するかを観察するためです。これは訓練日誌に相当する知的活動であり、各エントリには何を学び、どのように分析し、どのような結論に至ったかが記録されます。
私は、セキュリティ専門家がこの方法を採用することを強く推奨します。習得したいトピックを一つ選び、一次資料 (RFCs、papers、公式ドキュメント) を調査し、文章を序論、方法論、分析、結論で構成し、同僚に説明するつもりで書いてください。書くという行為は思考の明確さを強制し、受動的な読書では見えない理解の穴をあぶり出します。このサイトの記事を形式と深さの例として活用し、自分自身のコレクションを構築してください。時間が経てば、どのコースや certification でも置き換えられない、洗練された知識の個人リポジトリが手に入ります。
DAI & ADAI · 2026
DAI: A Domain-Specific LLM with Model-Excluded Authority, Capability-Disjoint Verification, and Recomputable Receipts
DAI (Decripte Artificial Intelligence) is a proprietary domain-specific LLM within a governed autonomous defensive architecture. It is an instance of the proposed ADAI category defined in the companion framework paper. T…
Read paper →ADAI · ENAutonomous Defensive AI: An Envelope-and-Evidence Framework for Governed LLMs Acting on Production Infrastructure
ADAI (Autonomous Defensive Artificial Intelligence) is a proposed category of governed autonomous cyber defense. The framework specifies defended perimeters, bounded effects, declared rollback and capability-disjoint ver…
Read paper →189 papers
連続的リスク分析と高度な脅威の軽減のための数学的形式化を備えた適応的Identity and Access Managementアーキテクチャ
TITLE: 連続的リスク分析と高度な脅威の軽減のための数学的形式化を備えた適応的Identity and Access Managementアーキテクチャ ABSTRACT: Identity and Access Management (IAM) システムは、分散型エンタープライズ環境におけるセキュリティの中核を成し、ハイブリッドおよびマルチクラウド基盤における認証、認可、ならびにアイデンティティ・ガバナンスを担っている。しかし、近年のインシデントは、静的なアクセス制御と厳格な RBAC ポリシーに基づく従来型アプローチが、高度持続的脅威、正当な資格情報の悪用、横方向移動に対して不十分であることを示している。本研究では、継続的リスクに指向した適応的 IAM アーキテクチャ A²-IAM を提案する。これは、ポリシーの形式的モデリング、リアルタイム確率的リスク評価、ならびに凸最適化に基づく意思決定機構を統合するものである。認可問題を、アイデンティティ、リソース、コンテキスト、および時間に依存し、セキュリティおよびコンプライアンス制約に従う決定関数 f(u, r, c, t) として定式化する。さらに、主要な2つのアルゴリズム、すなわち (i) Risk-Adaptive Policy Evaluation (RAPE) と (ii) Dynamic Privilege Minimization (DPM) を導入する。Keycloak、Open Policy Agent (OPA)、および Apache Kafka ベースのテレメトリ機構と統合された動作プロトタイプを実装した。50,000 の合成アイデンティティと 120 万件のアクセスイベントを用いた実験環境でシステムを評価し、従来の RBAC および静的 ABAC と比較した。その結果、高リスクの未承認アクセスが 37.4% 減少し、特権濫用の平均検知時間が 28.1% 短縮され、ピーク時シナリオにおける計算オーバーヘッドは 11% 未満に抑えられた。提案手法は、スケーラビリティと規制コンプライアンスを維持しつつ、MITRE ATT&CK の T1078 (Valid Accounts) および T1021 (Remote Services) のような技術に対するレジリエンスを大幅に向上させることを示した。
Read paper →IAMタイトル: IAM-Guard: マルチクラウド環境におけるアイデンティティの継続的ガバナンスと権限最小化のための形式的かつ適応的アーキテクチャ
タイトル: IAM-Guard: マルチクラウド環境におけるアイデンティティの継続的ガバナンスと権限最小化のための形式的かつ適応的アーキテクチャ 要旨: アイデンティティおよびアクセス管理（Identity and Access Management – IAM）は、現代の企業インフラ、とりわけマルチクラウド環境およびマイクロサービスベースのアーキテクチャにおけるセキュリティ統制の中核を成す。近年のインシデントでは、MITRE ATT&CK の T1078（Valid Accounts）および T1098（Account Manipulation）技術に関連する攻撃も含め、権限ガバナンスの不備と過剰な設定の検出失敗が、依然として主要な侵害経路であることが示されている。本研究では、ポリシーの数学的モデリング、行動逸脱の確率的検出、および最小ポリシーの自動合成に基づく、アイデンティティの継続的ガバナンスのための形式的かつ適応的なアーキテクチャ IAM-Guard を提案する。我々の方法論は、(i) 権限状態を有向ラベル付きグラフとして形式化する手法、(ii) 多目的最適化に基づく権限削減アルゴリズム、(iii) ガウス混合モデルと認可シーケンス解析に基づく異常検知機構、を組み合わせる。AWS、Azure、Kubernetes 環境に統合した実運用プロトタイプを実装し、3つの中規模組織において180日間に収集された12億件の認証イベントを対象に評価した。結果として、検出された過剰権限は平均37.8%削減され、実効的な攻撃面は42.3%縮小し、認証情報悪用の検知率は96.1%、偽陽性率は3.4%であった。静的 RBAC のみに基づくアプローチと比較して、IAM-Guard は権限最小化の精度を28%向上させ、侵害アカウントに関連するインシデントの平均応答時間を31%短縮した。これらの結果は、形式的に裏付けられた適応的なアイデンティティ・ガバナンスが、防御の多層化における中核的メカニズムとして実現可能であることを示している。
Read paper →IAMCredential Compromise and Lateral Escalationに耐性を持つIdentity and Access Management (IAM)のための適応的かつ形式的に検証可能なアーキテクチャ
TITLE: Credential Compromise and Lateral Escalationに耐性を持つIdentity and Access Management (IAM)のための適応的かつ形式的に検証可能なアーキテクチャ ABSTRACT: Identity and Access Management (IAM)システムは、特にハイブリッド環境およびマルチクラウド環境において、現代の企業インフラにおけるセキュリティ制御の中核を成す。しかし、近年のデータ侵害報告は、重大インシデントの60%以上が、有効なクレデンシャルの悪用、権限昇格、および不適切なアクセス制御ポリシー設定に関与していることを示している。本研究は、クレデンシャルの部分的な侵害、ラテラルムーブメント、および過度に許容的なポリシーの悪用を含む現実的な脅威モデルの下で、IDおよび権限の動的管理の問題を検討する。我々は、属性ベースアクセス制御（ABAC）、継続的行動分析、および線形時相論理を用いたポリシーの形式検証を統合する、A-FIAM（Adaptive and Formally-verified IAM）と呼ばれる適応的IAMアーキテクチャを提案する。この方法論は、権限グラフの数学的モデリング、攻撃面最小化アルゴリズム、およびアクセスプロファイルの統計的偏差に基づく異常検知を組み合わせる。我々はハイブリッド環境（Kubernetes + Azure AD + Keycloak）でプロトタイプを実装し、1,240万件の実データおよび合成イベントを用いて実験を行った。その結果、有効権限の攻撃面が47.3%削減され、クレデンシャル悪用の検知で真陽性率96.1%、偽陽性率2.8%を達成し、認可リクエスト1件あたりの平均オーバーヘッドは8.6 ms未満であった。静的RBACアプローチおよびクラウドプロバイダのネイティブIAMと比較して、我々のシステムはラテラルエスカレーション経路を39%削減し、職務分離違反の92%を自動的に緩和する。以上より、形式的検証と継続的行動適応の統合は、高度な攻撃者に対するIAMシステムのレジリエンスを大幅に向上させることを示した。
Read paper →AI SecurityAIシステムのセキュリティのための形式的アーキテクチャ：脅威モデリング、敵対的検証、および定量化可能な保証を備えた堅牢な緩和
TITLE: AIシステムのセキュリティのための形式的アーキテクチャ：脅威モデリング、敵対的検証、および定量化可能な保証を備えた堅牢な緩和 ABSTRACT: 重要インフラ、金融サービス、デジタルプラットフォーム、および産業環境における人工知能（IA）システムの導入拡大は、その複雑性が従来の計算機セキュリティのパラダイムを超える新たな攻撃面をもたらしている。深層学習モデルは、敵対的攻撃、データ汚染、モデル抽出、および機微属性の推論に対して脆弱であり、機密性、完全性、および可用性を損なう。本研究では、数学的な脅威モデリング、自動化された敵対的検証、および定量化可能な保証を備えた堅牢な緩和機構を組み合わせた、IAセキュリティのための統合的な形式アーキテクチャを提案する。我々の方法論は、(i) 計算資源の予算とアクセス能力によってパラメータ化された形式的な敵対者モデル、(ii) 適応的統計的ダイバージェンスに基づく異常検知機構、(iii) 緩和された凸最適化を用いた認証済みロバストネスモジュール、という三つの構成要素を統合する。PyTorchおよびTensorFlow環境でプロトタイプを実装し、CIFAR-10、ImageNet-subset、およびUNSW-NB15の各データセットで評価した。ε = 8/255 のPGD攻撃下において、本手法はロバスト精度を32.4%（ベースライン）から61.7%へと向上させ、標準偏差は1.8%であった。10%のデータが汚染されたデータ汚染シナリオでは、汎化誤差への影響を47%低減した。さらに、モデル抽出攻撃の成功率を63%低減したことも示した。複雑性解析により、推論時間における平均18%のオーバーヘッドが示され、運用上の実用性は維持された。我々の結果は、形式的検証と統計的に基礎づけられた緩和策の体系的統合が、IAセキュリティ工学における大きな進展を構成し、NIST AI Risk Management Frameworkの指針に整合した測定可能な保証を提供することを示している。
Read paper →AI Securityadversarial attacks, poisoning, and model extraction attacks に対する統一防御モデルとしての人工知能システム安全性のための形式的アーキテクチャ
TITLE: adversarial attacks, poisoning, and model extraction attacks に対する統一防御モデルとしての人工知能システム安全性のための形式的アーキテクチャ ABSTRACT: 重要インフラ、金融サービス、医療プラットフォーム、および産業環境への人工知能（AI）システムの統合が進むにつれ、サイバー攻撃の攻撃面は大幅に拡大している。機械学習（ML）および深層学習（DL）モデルは、adversarial attacks、データ poisoning、model extraction といった特有の脆弱性を導入し、これらは従来の情報セキュリティ機構では十分に軽減できない。本研究では、統計的ロバストネス機構、実行時異常検知、ならびに暗号学的保証を統合した、AI セキュリティのための統一的な形式アーキテクチャを提案する。我々の方法論は、(i) 適応的 adversarial regularization、(ii) 分布の divergence に基づく確率的検知、(iii) 認証済み hash 関数とリモート検証を用いた完全性証明機構、を組み合わせる。脅威モデルをパラメトリックに定式化し、本手法が white-box シナリオにおける adversarial attacks の成功率を 78.4% から 12.7% に、black-box シナリオでは 64.2% から 18.9% に低減することを示す。汚染率 10% の poisoning attacks においては、精度への影響を 22.5% から 4.3% に低減することを確認した。平均的な計算オーバーヘッドは、推論時で 11.6%、学習時で 18.2% であった。我々は、このシステムを広く用いられている3つのデータセット（CIFAR-10、ImageNet-Subset、UNSW-NB15）で評価し、従来の adversarial training および統計的検知に基づく個別の防御機構を含むベースライン防御と比較した。その結果、ロバストネスと安定性において統計的に有意な優位性（p < 0.01）が示された。結論として、AI セキュリティは、従来のセキュリティの ad hoc な拡張ではなく、検証可能な性質を持つ形式的な学問分野として扱われるべきである。
Read paper →AI Securityタイトル: 適応型攻撃下における機械学習モデルのセキュリティのための形式的に検証可能なアーキテクチャ: 堅牢性、監視、および暗号学的保証を統合したフレームワーク
タイトル: 適応型攻撃下における機械学習モデルのセキュリティのための形式的に検証可能なアーキテクチャ: 堅牢性、監視、および暗号学的保証を統合したフレームワーク 要旨: 重要インフラへの機械学習（ML）モデルの統合が進むにつれ、サイバーセキュリティ・エコシステムに新たな攻撃対象領域が導入されている。敵対的攻撃、データ汚染、モデル抽出、属性推論は、人工知能ベースのシステムの脆弱性を実証しており、金融、医療、防衛分野において文書化された影響を及ぼしている。本研究では、適応的な敵対者の下でのMLモデルのセキュリティに向けた、統合的かつ形式的基盤に基づくアーキテクチャを提案する。これは、認証可能な敵対的堅牢性、実行時の行動逸脱の検知、および完全性と機密性に関する暗号学的保証を組み合わせるものである。我々の方法論は、主要な3つの構成要素から成る。(i) Lipschitz正則化と確率的認証を用いた堅牢学習、(ii) 潜在分布の統計的モデリングに基づくオンライン監視と逐次検定による異常検知、(iii) リモートアテステーションと機密計算を備えた暗号学的カプセル化である。我々は、MITRE ATT&CK（T1565, T1190, T1027）に整合した能力を有する脅威モデルを形式化し、測定可能なセキュリティ特性を定義した。3つのデータセット（CIFAR-10, UNSW-NB15, MIMIC-III）および2つの実世界の侵入検知シナリオにおいて、本アーキテクチャを評価した。敵対的堅牢性のベースライン（PGD-training）および単独の検知手法と比較して、我々のフレームワークは敵対的攻撃の成功率を78.4%から21.7%へ低減し、3.8%の偽陽性率でポイズニング攻撃の93.2%を検知し、平均計算オーバーヘッドを11.6%に抑えた。我々は、形式的メカニズムと運用メカニズムの体系的統合がシステム全体のレジリエンスに大きな向上をもたらすことを示し、高リスク環境における安全なAIシステム開発のための具体的な指針を確立した。
Read paper →DevSecOpsタイトル: 脅威モデリングと継続的リスク分析に基づくDevSecOpsパイプラインにおけるセキュリティ制御の適応的オーケストレーションのための形式的かつ定量的に評価されたフレームワーク
タイトル: 脅威モデリングと継続的リスク分析に基づくDevSecOpsパイプラインにおけるセキュリティ制御の適応的オーケストレーションのための形式的かつ定量的に評価されたフレームワーク 要旨: DevOpsプラクティスの採用拡大はソフトウェア開発ライフサイクルを根本的に変革したが、広範な自動化、Infrastructure as Code、複雑なサプライチェーンに起因する新たな攻撃ベクトルも導入した。DevSecOpsは開発パイプラインへのセキュリティの継続的統合を提唱するものの、その実装の大半は依然としてアドホックであり、数学的形式化、厳密な脅威モデリング、ならびに制御の優先順位付けのための適応的メカニズムを欠いている。本研究では、確率的リスクモデリングとMITRE ATT&CKマトリクスとの統合に基づく、DevSecOpsパイプラインにおけるセキュリティ制御の適応的オーケストレーションのための形式的フレームワークを提案する。各ステージに関連付けられたリスク関数を持つ有向非巡回グラフとしてパイプラインをモデル化し、遅延および計算コストの制約下で残留リスクを最小化する問題を形式的に定義する。主要な2つのアルゴリズムを開発した。(i) 期待限界リスクに基づくセキュリティ検査の動的優先順位付けメカニズム、(ii) 実行テレメトリに基づいてパイプラインをリアルタイムで再構成する適応的オーケストレータである。GitLab CI/CD、Kubernetes、およびSAST、DAST、SCA、IaCスキャナなどのツール上に本フレームワークを実装し、480万行のコードを含む312の企業リポジトリで評価を行った。結果は、従来の静的パイプラインと比較して、パイプライン全体の実行時間が平均37.4%短縮され、推定残留リスクが52.1%低減し、偽陽性が41.3%減少したことを示した。さらに、平均修正時間（MTTR）が29.6%改善した。これらの結果は、DevSecOpsオーケストレーションの数学的形式化がセキュリティと運用効率の同時向上を可能にし、本分野の科学的確立に寄与することを示している。
Read paper →DevSecOpsクラウドネイティブ DevSecOps パイプラインにおけるセキュリティ制御の適応的オーケストレーションのための形式的かつ定量的に評価されたアーキテクチャ
TITLE: クラウドネイティブ DevSecOps パイプラインにおけるセキュリティ制御の適応的オーケストレーションのための形式的かつ定量的に評価されたアーキテクチャ ABSTRACT: DevOps実践によって推進されたソフトウェア提供サイクルの加速は、構造的なパラドックスをもたらした。すなわち、開発時間の短縮は攻撃対象領域と脆弱性導入頻度を拡大させた。DevSecOps はその応答として現れ、継続的インテグレーションおよび継続的デリバリ（CI/CD）パイプライン全体にセキュリティ制御を統合する。しかし、既存アプローチは依然として主としてヒューリスティックに留まり、厳密な形式化、体系的な脅威モデリング、包括的な定量評価を欠いている。本研究では、リスクの数学的モデリングと多目的最適化に基づく、クラウドネイティブ DevSecOps パイプラインにおけるセキュリティ制御の適応的オーケストレーションのための形式的アーキテクチャを提案する。我々の方法論は、静的解析（SAST）、動的解析（DAST）、依存関係スキャン（SCA）、Infrastructure as Code（IaC）解析、および MITRE ATT&CK に基づく振る舞い検知を組み合わせ、リスク関数 R = P · I · E に基づく優先順位付け機構によって統合する。ここで P は悪用可能性確率、I は影響度、E は時間的露出を表す。我々は GitLab CI、SonarQube、OWASP ZAP、Trivy、および Open Policy Agent を用いて Kubernetes 上にプロトタイプを実装し、42 個の実運用マイクロサービス（約180万行のコード）で評価した。その結果、平均修復時間（MTTR）が 37.4% 低減し、本番環境における重大脆弱性（CVSS ≥ 9.0）が 29.1% 減少し、パイプラインの平均オーバーヘッドは 11.6% 未満であった。従来の DevSecOps パイプラインと比較して、優先順位付け精度が 22.8% 向上し、実行可能な偽陽性が 31.5% 減少した。我々は、セキュリティ・オーケストレーションの数学的形式化が、厳密性と俊敏性の両立を可能にし、提供スループットを損なうことなくリスク低減に関する測定可能な保証を与えることを示した。本研究は、(i) DevSecOps のための連続的リスクの形式モデル、(ii) 複雑性解析を伴う適応的オーケストレーションアルゴリズム、(iii) 再現可能な定量データに基づく大規模実証評価、を提供する。
Read paper →DevSecOpsタイトル: ポリシー・アズ・コードに基づくDevSecOpsパイプラインの形式的オーケストレーションと定量的評価：測定可能なセキュリティ保証付き
タイトル: ポリシー・アズ・コードに基づくDevSecOpsパイプラインの形式的オーケストレーションと定量的評価：測定可能なセキュリティ保証付き 要旨: DevOpsプラクティスの採用拡大はソフトウェア開発ライフサイクルを変革した一方で、高度に自動化されたパイプライン、一時的なインフラストラクチャ、サードパーティ依存関係の継続的統合を導入することにより、攻撃対象領域を著しく拡大させた。SolarWinds や Log4Shell（CVE-2021-44228）のような近年のサプライチェーン侵害事案は、開発フローに統合されたセキュリティ制御が存在しない場合、結果として広範なシステム全体への影響を招くことを示している。本研究では、コンプライアンスとリスク低減に関する測定可能な保証を備えた、ポリシー・アズ・コード（Policy-as-Code）に基づくDevSecOpsのための形式的枠組みを提案する。本アプローチは、パイプラインを有向非巡回グラフとして形式的にモデル化し、宣言的制約によるセキュリティ特性の検証、ならびにCVSS指標とMITRE ATT&CKの脅威インテリジェンスに基づく脆弱性優先順位付けの適応的メカニズムを組み合わせる。 我々は、Kubernetes環境、GitLab CI/CD、およびOpen Policy Agent（OPA）、Trivy、SonarQubeといったツールと統合されたプロトタイプを実装した。システムを、合計380万行のコードと12,614個のコンテナイメージを含む42の実際のオープンソース・プロジェクトで評価した。その結果、平均修復時間（MTTR）が平均47.3%短縮され、本番環境における重大脆弱性の導入が62.8%減少し、パイプライン全体時間に対する実行オーバーヘッドは8.4%未満であることが示された。さらに、セキュリティ特性の形式化により、デプロイ段階以前にポリシー違反の91.6%を検出できることを示した。 我々は、DevSecOpsパイプラインにおける軽量な形式検証と適応的優先順位付けの体系的統合が、運用の機動性を損なうことなく、セキュリティに関して定量的に大きな向上をもたらし、高速環境における安全なソフトウェア工学のための測定可能かつ再現可能なパラダイムを確立する、と結論づける。
Read paper →DevSecOps攻撃面の削減に関する定量的保証を伴うDevSecOps制御の適応的オーケストレーションのための形式的に基礎づけられたアーキテクチャ
TITLE: 攻撃面の削減に関する定量的保証を伴うDevSecOps制御の適応的オーケストレーションのための形式的に基礎づけられたアーキテクチャ ABSTRACT: DevOpsパイプラインの急速な採用は、ソフトウェアサプライチェーン、エフェメラルな構成、および適切に計測されていない継続的インテグレーションに関連するベクトルを導入することにより、企業システムの攻撃面を大幅に拡大させた。DevSecOpsパラダイムは、セキュリティ機構を開発ライフサイクルに継続的に統合することを提案しているが、現実的な攻撃者と再現可能な指標の下でその有効性を定量化する形式モデルは文献上十分に整備されていない。本研究では、運用上の制約下での最適化問題としてモデル化された、測定可能なリスク削減のための明示的な数学的基礎を備えた適応的DevSecOpsアーキテクチャを提案する。パイプラインを各段階に関連付けられたリスク関数を持つ有向非巡回グラフ G = (V,E) として形式化し、CVSSの重大度とMITRE ATT&CKデータを用いて推定したエクスプロイト可能性で重み付けされた脆弱性に基づく、攻撃面 A(G) の複合指標を定義する。アーキテクチャをKubernetes環境上に実装し、GitLab CI、SonarQube、OWASP ZAP、Trivy、HashiCorp Vaultなどのツールと統合した。120のオープンソースプロジェクトおよび18の企業向けアプリケーションで評価し、合計320万行のコードを対象とした。結果は、重大な脆弱性（CVSS ≥ 9.0）への露出が平均47.3%減少し、平均修復時間（MTTR）が38.6%短縮され、ビルド全体時間における運用オーバーヘッドが8.4%未満であることを示した。静的なDevSecOpsパイプラインと比較して、我々の適応的メカニズムは、エクスプロイト可能な設定不備の予防的ブロッキング率において、統計的に有意な改善（p < 0.01）を示した。以上より、定量的な形式化はDevSecOps導入の経済的妥当性を示すだけでなく、高頻度デプロイ環境においてセキュリティ制御を動的に最適化することを可能にすると結論づける。
Read paper →AppSecハイブリッド解析、定量的脅威モデリング、およびリスク指向オーケストレーションに基づく継続的 AppSec のための形式アーキテクチャ
TITLE: ハイブリッド解析、定量的脅威モデリング、およびリスク指向オーケストレーションに基づく継続的 AppSec のための形式アーキテクチャ ABSTRACT: マイクロサービス、公開 API、オープンソース依存関係、および高度に自動化された CI/CD パイプラインから構成される現代のソフトウェア・エコシステムの複雑性の高まりは、アプリケーションの攻撃対象領域を大幅に拡大させている。Log4Shell（CVE-2021-44228）や、インジェクションおよび不適切なアクセス制御における反復的な欠陥のような脆弱性は、従来のアプリケーションセキュリティ（AppSec）アプローチが、適応的な攻撃者に対してなお不十分であることを示している。本研究では、静的解析（SAST）、動的解析（DAST）、ソフトウェア構成解析（SCA）および定量的脅威モデリングを、リスク指向のオーケストレーション機構によって結合した統合的な継続的 AppSec アーキテクチャを提案する。脆弱性の優先順位付け問題を、運用上の制約下における多目的最適化として形式化し、リスクを R = P(E) × I とモデル化する。ここで P(E) は脅威インテリジェンスに基づく悪用確率の推定値、I は CVSS 指標および資産の重要度によって測定される影響である。GitHub Actions、SonarQube、OWASP ZAP、および dependabot と統合した DevSecOps パイプライン上にプロトタイプを実装し、47 の実在するオープンソースアプリケーションで評価を行った。その結果、従来のリスク非指向パイプラインと比較して、平均修復時間（MTTR）が 38.7% 減少し、重大脆弱性の検出率が 24.3% 向上し、優先順位が誤って付けられた偽陽性が 41.2% 減少した。本研究の中心的貢献は、優先順位付けの数学的形式化と継続的な運用統合にあり、セキュリティ態勢の改善に関する測定可能な保証を提供する。これらの結果は、AppSec ツールのオーケストレーションに定量モデルを組み込むことが、現代の開発環境におけるセキュリティ成熟度を大きく前進させるものであることを示している。
Read paper →AppSecハイブリッド解析、定量的脅威モデリング、およびリスク指向オーケストレーションに基づく継続的AppSecのための形式的アーキテクチャ
TITLE: ハイブリッド解析、定量的脅威モデリング、およびリスク指向オーケストレーションに基づく継続的AppSecのための形式的アーキテクチャ ABSTRACT: マイクロサービス、公開API、オープンソース依存関係、高度に自動化されたCI/CDパイプラインから構成される現代のソフトウェアエコシステムの複雑性の増大は、アプリケーションの攻撃面を大幅に拡大させている。Log4Shell（CVE-2021-44228）のような脆弱性や、インジェクションおよび不適切なアクセス制御に関する継続的な欠陥は、従来のアプリケーションセキュリティ（AppSec）アプローチが適応的な攻撃者に対して依然として不十分であることを示している。本研究では、静的解析（SAST）、動的解析（DAST）、ソフトウェアコンポジション解析（SCA）、および定量的脅威モデリングを組み合わせ、リスク指向オーケストレーション機構によって結合された統合的な継続的AppSecアーキテクチャを提案する。我々は、脆弱性優先順位付けの問題を運用上の制約下における多目的最適化として形式化し、リスクを R = P(E) \times I としてモデル化する。ここで、P(E) は脅威インテリジェンスに基づく悪用確率の推定値を表し、I はCVSSメトリクスおよび資産重要度によって測定される影響度を示す。GitHub Actions、SonarQube、OWASP ZAP、および dependabot と統合した DevSecOps パイプライン上にプロトタイプを実装し、47の実在するオープンソースアプリケーションで評価を行った。その結果、従来のリスク非指向型パイプラインと比較して、修復時間（MTTR）の平均38.7%の削減、重大な脆弱性の検出率の24.3%の向上、および誤って優先順位付けされた偽陽性の41.2%の削減を確認した。本研究の中心的貢献は、優先順位付けの数学的形式化と継続的な運用統合にあり、セキュリティ体制の改善に関する測定可能な保証を提供する点にある。結果は、AppSecツールのオーケストレーションに定量的モデルを組み込むことが、現代の開発環境におけるセキュリティ成熟度の向上に対して重要な進展をもたらすことを示している。
Read paper →AppSecUma Arquitetura Formalmente Fundamentada para Application Security Contínua: Modelagem de Ameaças, Análise Híbrida e Priorização Quantitativa de Riscos em Pipelines DevSecOps
Uma Arquitetura Formalmente Fundamentada para Application Security Contínua: Modelagem de Ameaças, Análise Híbrida e Priorização Quantitativa de Riscos em Pipelines DevSecOps 継続的アプリケーションセキュリティのための形式的基盤に基づくアーキテクチャ：DevSecOpsパイプラインにおける脅威モデリング、ハイブリッド解析、および定量的リスク優先度付け ABSTRACT: 分散アーキテクチャ、マイクロサービス、サードパーティ依存関係、および継続的デリバリーサイクルによって特徴付けられるソフトウェアエコシステムの複雑性の増大は、現代のアプリケーションの攻撃対象領域を大幅に拡大させている。Verizon Data Breach Investigations Report (DBIR) の最近の報告によれば、侵害の43%以上がWebアプリケーションの脆弱性を悪用したものであり、またNVDは2023年に28,000件以上のCVEを記録しており、その多くはリモートから悪用可能な欠陥に関連している。本研究では、アプリケーションセキュリティ（AppSec）の問題を形式的かつ体系的な観点から検討し、DevSecOpsパイプラインにおける脆弱性の継続的な検出、優先順位付け、および緩和のための統合アーキテクチャを提案する。提案手法は、静的解析（SAST）、動的解析（DAST）、ソフトウェアコンポジション解析（SCA）、およびCVSSと組織コンテキスト指標に基づく確率的リスクモデリングを組み合わせるものである。さらに、$R(v) = P_e(v) \cdot I(v) \cdot C(v)$ という関数に基づく脆弱性優先順位付けの数学モデルを導入する。ここで $P_e$ は悪用確率、$I$ は技術的影響度、$C$ はコンテキスト上の重要度を表す。本アプローチは、42のオープンソースアプリケーションおよび8つの実運用企業システム、合計320万行のコードを対象として評価された。結果として、従来のSASTのみに基づくパイプラインと比較して、平均修復時間（MTTR）が37.4%短縮され、重大脆弱性の検出率が29.1%向上し、さらに偽陽性が41.8%削減されたことが示された。提案アーキテクチャはビルド時間に平均8.6%のオーバーヘッドをもたらすが、運用上の実用性は維持される。以上より、形式的に指向されたハイブリッド技術の統合と、文脈化された定量的優先順位付けを組み合わせることで、高頻度開発環境におけるAppSecプログラムの有効性が大幅に向上することが示された。
Read paper →AppSecタイトル: エビデンス駆動型AppSec: DevSecOpsパイプラインにおける脆弱性の継続的分析のための形式的かつスケーラブルなフレームワーク
タイトル: エビデンス駆動型AppSec: DevSecOpsパイプラインにおける脆弱性の継続的分析のための形式的かつスケーラブルなフレームワーク 要旨: アプリケーションセキュリティ（Application Security – AppSec）は、マイクロサービスアーキテクチャ、継続的インテグレーション、およびオープンソース依存関係の大規模採用に後押しされ、現代のデジタル・エコシステムにおける主要なリスク要因の一つとなっている。Log4Shell（CVE-2021-44228）やSpring4Shell（CVE-2022-22965）のように大規模に悪用された脆弱性は、従来の静的解析（SAST）、動的解析（DAST）、およびソフトウェア構成分析（SCA）アプローチの構造的限界を明らかにしている。本研究では、EASE（Evidence-Aware Security Enforcement）と呼ぶ、継続的AppSecのための形式的かつエビデンス駆動型フレームワークを提案する。これは、インクリメンタル静的解析、データフローの形式的モデリング、および運用テレメトリに基づく確率的リスク優先順位付けを統合する。 本手法は、数学的リスクモデル R(v) = P_e(v) · I(v) · E(v) を組み合わせる。ここで P_e は統計学習により推定される悪用確率、I はコンテキスト依存の影響、E は実行データによって測定される動的露出を表す。私たちは、このフレームワークを、Java、Python、Node.js の 312 リポジトリから成る実際のCI/CDパイプラインに実装し、合計4,800万行のコードを対象とした。 実験結果は、従来のSASTツールと比較して平均37.4%の偽陽性削減、平均修復時間（MTTR）の42.1%短縮、ならびに後に重大と分類された脆弱性（CVSS ≥ 9.0）の91%を事前に検出できたことを示している。さらに、インクリメンタル解析は、完全スキャンと比較して実行時間を58%削減した。 我々は、(i) DevSecOps環境における脆弱性優先順位付け問題の厳密な形式化、(ii) 正当性保証を伴うインクリメンタル解析のための効率的アルゴリズム、(iii) 精度と性能における実質的な向上を実証する大規模な実証評価、を貢献する。提案フレームワークは、実際のリスクに基づくAppSecのための定量的基盤を確立し、アプリケーションセキュリティをエビデンスに基づく工学的実践へと近づける。
Read paper →AppSec証拠指向AppSec：DevSecOpsパイプラインにおける継続的脆弱性分析のための形式的かつスケーラブルなフレームワーク
TITLE: 証拠指向AppSec：DevSecOpsパイプラインにおける継続的脆弱性分析のための形式的かつスケーラブルなフレームワーク ABSTRACT: アプリケーションセキュリティ（Application Security – AppSec）は、マイクロサービスアーキテクチャの大規模採用、継続的インテグレーション、およびオープンソース依存関係の拡大によって、現代のデジタルエコシステムにおける主要なリスク要因の一つとなっている。Log4Shell（CVE-2021-44228）やSpring4Shell（CVE-2022-22965）のように大規模に悪用された脆弱性は、従来の静的解析（SAST）、動的解析（DAST）、およびソフトウェアコンポジション解析（SCA）アプローチの構造的限界を明らかにしている。本研究では、EASE（Evidence-Aware Security Enforcement）と呼ばれる、継続的AppSecのための形式的かつ証拠指向のフレームワークを提案する。このフレームワークは、インクリメンタル静的解析、データフローの形式的モデリング、および運用テレメトリに基づく確率的リスク優先度付けを統合する。 我々の手法は、リスクの数学モデル R(v) = P_e(v) · I(v) · E(v) を組み合わせる。ここで P_e は統計的学習によって推定された悪用確率、I は文脈依存の影響度、E は実行データによって測定される動的露出度を表す。我々は本フレームワークを、Java、Python、Node.js を含む合計312のリポジトリ、総計4800万行のコードからなる実際のCI/CDパイプラインに実装した。 実験結果は、従来のSASTツールと比較して偽陽性を平均37.4%削減し、平均修復時間（MTTR）を42.1%短縮し、後に重大（CVSS ≥ 9.0）として分類された脆弱性の91%を事前に検出できることを示した。さらに、インクリメンタル解析により、完全スキャンと比較して実行時間が58%削減された。 本研究の貢献は、(i) DevSecOps環境における脆弱性優先順位付け問題の厳密な形式化、(ii) 正当性保証を備えたインクリメンタル解析のための効率的アルゴリズム、(iii) 精度および性能の大幅な向上を示す大規模実証評価、の三点である。提案フレームワークは、実際のリスクに基づくAppSecのための定量的基盤を確立し、アプリケーションセキュリティを証拠指向のエンジニアリング実践へと近づける。
Read paper →AppSecタイトル: グラフ指向のハイブリッド解析と定量的リスク優先順位付けに基づくApplication Security (AppSec)のための形式的かつスケーラブルなアーキテクチャ
タイトル: グラフ指向のハイブリッド解析と定量的リスク優先順位付けに基づくApplication Security (AppSec)のための形式的かつスケーラブルなアーキテクチャ 要旨: 分散型アプリケーション、マイクロサービス、および大規模なオープンソース依存関係チェーンに統合されたアプリケーションの複雑性の増大は、攻撃面と、悪用可能な脆弱性の発生頻度を著しく拡大させている。Log4Shell (CVE-2021-44228) や安全でないデシリアライゼーション脆弱性に関連する最近のインシデントは、静的または動的スキャンのみに限定された従来のApplication Security (AppSec) アプローチの不十分さを示している。本研究では、静的解析 (SAST)、動的解析 (DAST)、ソフトウェア構成解析 (SCA) を統合し、さらに意味的依存グラフおよび手続き間データフローの自動化された脅威モデリングを組み合わせた、グラフ指向のハイブリッド解析に基づく形式的かつスケーラブルなAppSecアーキテクチャを提案する。加えて、CVSS指標、統計学習により推定された探索可能性確率、ならびに呼び出しグラフにおける構造的中心性を統合する、リスクの定量的優先順位付けのための数学モデルを導入する。さらに、5百万行超のコードを含むアプリケーションを解析可能で、1.2百万ノードのグラフをCI/CDパイプラインあたり平均38分のレイテンシで処理できる分散プロトタイプを実装した。 本システムを、Apache Struts、Spring PetClinic、NodeGoatを含む42件の重要なオープンソースプロジェクトで評価し、合計9,317件の既知の脆弱性を対象とした。提案手法は、従来のSASTツールと比較して誤検知を37.4%削減し、実際に悪用可能なフローの検出率を28.9%向上させた。優先順位付け機構は、制御された試験環境において、2週間のスプリントサイクル内で重大脆弱性の修正率を41%向上させた。これらの結果は、単一の統一されたグラフ指向モデルの下で複数技術を形式的に統合することで、精度、スケーラビリティ、および運用上の妥当性において大きな向上が得られ、AppSecの最先端技術の進展とDevSecOpsライフサイクルへのセキュリティの効果的な統合に寄与することを示している。
Read paper →AppSecグラフ指向ハイブリッド解析と定量的リスク優先度付けに基づくApplication Security（AppSec）のための形式的かつスケーラブルなアーキテクチャ
グラフ指向ハイブリッド解析と定量的リスク優先度付けに基づくApplication Security（AppSec）のための形式的かつスケーラブルなアーキテクチャ マイクロサービスに基づく分散アプリケーションの複雑性の増大と、広範なオープンソース依存関係チェーンとの統合は、攻撃面を大幅に拡大させ、悪用可能な脆弱性の発生頻度を高めている。Log4Shell（CVE-2021-44228）や安全でないデシリアライゼーションの脆弱性に関連する最近のインシデントは、静的または動的スキャンのいずれか単独に依存する従来型のApplication Security（AppSec）アプローチの不十分さを明確に示している。本研究では、グラフ指向ハイブリッド解析に基づく形式的かつスケーラブルなAppSecアーキテクチャを提案する。このアーキテクチャは、静的解析（SAST）、動的解析（DAST）、ソフトウェアコンポジション解析（SCA）、および意味的依存関係グラフと手続き間データフローを用いた自動化脅威モデリングを統合するものである。さらに、CVSSメトリクス、統計的学習によって推定された悪用確率、および呼び出しグラフにおける構造的中心性を統合した、リスクの定量的優先度付けのための数理モデルを導入する。私たちは、500万行を超えるコードを持つアプリケーションを解析可能な分散プロトタイプを実装し、CI/CDパイプラインあたり平均38分のレイテンシで120万のグラフノードを処理した。 本システムを、Apache Struts、Spring PetClinic、NodeGoatを含む42の重要なオープンソースプロジェクトで評価し、合計9,317件の既知の脆弱性を対象とした。提案手法は、従来のSASTツールと比較して偽陽性を37.4%削減し、実際に悪用可能なフローの検出を28.9%向上させた。さらに、優先度付けメカニズムにより、管理されたテスト環境において2週間のスプリントサイクル内で重大な脆弱性の修正率が41%向上した。これらの結果は、グラフ指向の統一モデルの下で複数の技術を形式的に統合することが、精度、スケーラビリティ、および運用上の関連性において大きな向上をもたらし、AppSec分野の最先端の発展およびDevSecOpsサイクルへのセキュリティの効果的統合に貢献することを示している。
Read paper →DFIRDFIRにおける証拠の形式的オーケストレーションと確率的分析：多元ソース相関のための時間グラフに基づくスケーラブルアーキテクチャ
TITLE: DFIRにおける証拠の形式的オーケストレーションと確率的分析：多元ソース相関のための時間グラフに基づくスケーラブルアーキテクチャ ABSTRACT: Digital Forensics and Incident Response (DFIR) は、企業環境の高度化する異種性、デジタル証拠の揮発性、ならびに living-off-the-land 技術およびアンチフォレンジック回避を用いる攻撃者の巧妙化に起因する構造的課題に直面している。本研究は、多元ソースの時間グラフに基づくデジタル証拠のオーケストレーションおよび確率的相関のための形式的アーキテクチャを提案し、インシデント再構築問題の明示的な数学的モデリングを行う。提案手法は、分散収集、MITRE ATT&CK に準拠した意味的正規化、因果グラフの構築、およびイベントを攻撃チェーンへ割り当てるためのベイズ推論を統合する。我々は、この問題を、異種のフォレンジック観測集合が与えられたときの侵害状態列の事後確率最大化として定式化する。実装として、Elastic Stack、Apache Kafka、Neo4j に基づくパイプライン上に機能プロトタイプを構築し、12 TB の実ログおよび 18 種類の異なる ATT&CK 技術を表現する合成トレースからなるデータセットで評価した。 実験結果は、ルールベースの決定論的手法と比較して、タイムライン再構築精度が 27.4% 向上し、平均調査時間（MTTI）が 34.1% 短縮され、複雑な攻撃チェーン識別における F1 スコアが 22.8% 改善されたことを示している。アーキテクチャは、15,000 イベント/秒の負荷下でもイベント当たり平均処理遅延を 420 ms 未満に維持し、8 つの処理ノードまで線形スケーラビリティを示した。以上より、確率的形式化と時間グラフの組み合わせは、DFIR における精度と運用効率を大幅に向上させ、大規模なデジタル調査のための信頼性が高く監査可能な自動化に向けた厳密な基盤を確立することが示された。
Read paper →DFIR確率的時間相関と暗号学的完全性保証を備えたグラフ指向DFIRのための形式的かつスケーラブルなアーキテクチャ
TITLE: 確率的時間相関と暗号学的完全性保証を備えたグラフ指向DFIRのための形式的かつスケーラブルなアーキテクチャ ABSTRACT: 2025年の計算環境の複雑性の増大—クラウドネイティブアーキテクチャ、マイクロサービス、エフェメラルなワークロード、DevSecOpsパイプライン、ハイブリッド環境、および人工知能システムとの統合によって特徴付けられる—は、Digital Forensics and Incident Response（DFIR）の分野に重大な課題をもたらしている。時間的不確実性、統計的ノイズ、そしてログ改ざんの可能性という条件下で、複数の異種ソースにまたがるインシデントの因果的再構築は、依然として形式的観点から未解決の問題である。本研究では、グラフ指向DFIRのための数学的に基礎付けられたアーキテクチャを提案する。このアーキテクチャは、明示的な時間的不確実性、ベイズ推論、およびMerkleツリーと不変ストレージ（WORM）による暗号学的完全性保証を備えた確率的非巡回因果グラフモデルに基づいている。攻撃シーケンス再構築の問題を、DAG上の許容可能な経路に対する条件付き確率の最大化問題として形式化し、それが対数確率の総和最小化と等価であることを示す。さらに、2つのアルゴリズムを導入する。(i) Reconstrução Temporal Causal（RTC）は計算量 O(|E_c| log |V|) を持ち、(ii) Verificação de Integridade Incremental（VII）は包含証明を O(log n) で実行する。本アーキテクチャは Elastic Stack 8.x、Apache Kafka 3.5、コンプライアンスモードの S3 Object Lock、および PostgreSQL 上に実装され、DARPA Transparent Computing と Los Alamos Cybersecurity Dataset を含む実データおよび合成データ計12TBで評価された。結果は、精度の統計的に有意な向上（91.4% 対 64.2%）、平均トリアージ時間の37.8%削減、および制御可能な計算オーバーヘッド（8.6%）を示した。我々は、確率的形式主義、暗号学的保証、および因果モデリングの統合が、NISTおよびISO/IEC 27037の指針、ならびにMITRE ATT&CKタクソノミーと整合し、eBPF、CNAPP、およびAI指向環境を含む現代的シナリオにも適合する、厳密で監査可能かつスケーラブルな現代DFIRの基盤を提供すると主張する。
Read paper →DFIR分散型企業環境におけるインシデント自動対応のための時間グラフとベイズ推論に基づくDFIRの形式的オーケストレーション
TITLE: 分散型企業環境におけるインシデント自動対応のための時間グラフとベイズ推論に基づくDFIRの形式的オーケストレーション ABSTRACT: マルチクラウドアーキテクチャ、コンテナ化されたワークロード、エッジデバイス、APIを介した統合、および人工知能ベースのシステムによって特徴づけられる分散型企業環境の複雑性の増大は、Digital Forensics and Incident Response（DFIR）の分野に重大な課題をもたらしている。現代の攻撃チェーンは通常多段階であり、異種コンポーネントにおける脆弱性を悪用し、リモート実行、ラテラルムーブメント、永続化、およびデータ流出の技術を組み合わせている。この文脈において、決定論的ルールに基づく従来のSIEMアプローチは、不確実性および敵対的ノイズの下で複雑な因果系列を再構築するには不十分である。本研究では、インシデント再構築を、明示的な因果制約を伴う有向時間グラフ上でのMAP（Maximum a Posteriori）推論問題として数学的に形式化する。フォレンジックイベントを構造化タプルとしてモデル化し、条件付き局所因子分解に基づく確率的フレームワークを導入することで、不確実性の形式的な定量化を可能にする。さらに、スプリアスイベントの限定的な敵対的挿入下におけるロバスト性の特性を示し、MAP経路の不変性に関する解析的条件を確立する。Apache Kafka、Elasticsearch、Neo4j、およびKubernetesに基づくスケーラブルなインフラストラクチャ上にTGI-DFIRアーキテクチャを実装し、最新のCNAPPパイプラインおよびeBPFテレメトリとの統合を行った。提案手法は、DARPA Transparent Computingデータセット、実際の企業ログ（12 TB）、および2025年までに広く悪用された脆弱性に着想を得たシナリオを用いて実証的に評価した。結果は、ルールベース手法および深層学習の逐次モデルと比較して、精度の統計的に有意な向上（F1 = 0.91 ± 0.02）および平均トリアージ時間の47.3%削減を示した。結論として、時間グラフとベイズ推論の統合は、現代の分散型企業環境におけるインシデント対応の自動オーケストレーションに対して、厳密な形式的基盤と運用上実行可能なアプローチを提供することを示す。
Read paper →DFIRDFIRにおける証拠の形式的かつ相関的オーケストレーション：ハイブリッド環境における確率的時間再構成とインシデント帰属のためのスケーラブルな枠組み
TITLE: DFIRにおける証拠の形式的かつ相関的オーケストレーション：ハイブリッド環境における確率的時間再構成とインシデント帰属のためのスケーラブルな枠組み ABSTRACT: ハイブリッドインフラストラクチャの複雑性の増大、クラウドコンピューティングの大規模導入、マイクロサービス指向アーキテクチャ、eBPFに基づくオブザーバビリティ、さらに人工知能システムの統合は、Digital Forensics and Incident Response（DFIR）分野の課題を大幅に拡大させている。2025年には、重大な脆弱性、サプライチェーン、ならびにliving-off-the-land技術を悪用するインシデントが、ログ相関の線形的アプローチや静的なSIEMルールの限界を明確に示した。本研究では、攻撃チェーンの確率的時間再構成のための形式的枠組みを提案する。この枠組みは、条件付き重みとMITRE ATT&CKマトリクスから導出される意味的制約を備えた有向グラフに基づく。問題を、異種かつ潜在的に不整合な証拠の下で事後確率を最大化する非巡回部分グラフ上のベイズ推論として定式化する。また、分散した情報源間のクロックドリフトを補償するためのベイズ的時間アラインメント機構と、確率的しきい値により制御された枝刈りを備える敵対的知識指向の再構成アルゴリズムを導入する。観測完全性の仮定の下でε近似的正当性の形式的性質を示し、提案アルゴリズムの漸近的計算量を解析する。Apache Kafka、Apache Spark、Elasticsearch、Neo4jに基づく分散実装を、Atomic Red Teamによるシミュレーションおよび匿名化された企業ログを含む合計1.2 TBのイベントデータセットで評価した。その結果、F1 = 0.895 ± 0.02を達成し、従来のSIEMベースラインを29.7%上回り、平均調査時間を37.4%削減した（p < 0.01）。さらに、AI/MLワークロード環境への拡張、CNAPPとの統合、およびデジタル証拠のチェーン・オブ・カストディにおける法的含意について議論する。結果は、意味的制約の明示的な導入と厳密な確率モデル化の組み合わせが、スケーラブルで形式的基盤を持つDFIRに対する実質的な進展をもたらすことを示している。
Read paper →Detection適応的マルチレイヤ型高度脅威検知：異種テレメトリのベイズ融合と時間グラフに基づく手法
適応的マルチレイヤ型高度脅威検知：異種テレメトリのベイズ融合と時間グラフに基づく手法 2025年におけるサイバー脅威の高度化は、マルチステージ攻撃、ゼロデイ脆弱性の悪用、サプライチェーン侵害、アイデンティティの悪用、さらに生成系人工知能モデルの悪用を含み、従来の検知メカニズムに重大な課題を突きつけている。本研究では、異種テレメトリの再帰的ベイズ融合と動的時間グラフによる構造モデリングに基づく適応的マルチレイヤ検知アーキテクチャを提案する。本問題を、時間に沿った悪意ある活動の存在を表す潜在二値過程に対する推論として定式化し、ネットワーク、エンドポイント、アイデンティティ、アプリケーション、およびクラウドワークロードから得られる観測イベントに基づいて推定する。提案手法は、(i) イベントのセマンティック正規化、(ii) 統計的および構造的特徴量の抽出、(iii) 時間グラフのインクリメンタル構築、(iv) 数値安定性のための対数尤度更新を用いたベイズ推論、を統合する。さらに、観測されたトポロジカル指標の分布と履歴ベースラインとの間のKullback–Leiblerダイバージェンスに基づく構造的検出器を導入する。提案モデルを、広く利用されている公開データセット（CIC-IDS2017およびUNSW-NB15）と、23億件の匿名化イベントを含む企業データセットに対して実証的に評価し、Random Forest、XGBoost、LSTMと比較した。結果は、F1スコアの統計的に有意な向上と、偽陽性率およびラテラルムーブメント検知までの平均時間の一貫した低減を示した。さらに、Zero TrustおよびCNAPP環境における含意、コンセプトドリフトへのロバスト性、ならびにデータポイズニングのリスクについて議論する。複数の弱い証拠を確率的に整合的に融合する手法と時間グラフの構造解析を組み合わせることで、精度と遅延の両面で大きな改善を実現しつつ、現代の分散アーキテクチャにおける運用スケーラビリティを維持できることを示す。
Read paper →Detectionタイトル: ヘテロジニアス・テレメトリと時系列グラフのベイズ融合に基づく高度脅威の適応型多層検知
タイトル: ヘテロジニアス・テレメトリと時系列グラフのベイズ融合に基づく高度脅威の適応型多層検知 要旨: 2025年におけるサイバー脅威の高度化、すなわちマルチステージ攻撃、ゼロデイ脆弱性の悪用、サプライチェーン侵害、IDの悪用、ならびに生成AIモデルの悪用を含む脅威は、従来の検知機構に対して重大な課題を突きつけている。本研究では、異種テレメトリの再帰的ベイズ融合と動的時系列グラフによる構造モデリングに基づく適応型多層検知アーキテクチャを提案する。我々はこの問題を、ネットワーク、エンドポイント、アイデンティティ、アプリケーション、クラウド上のワークロードから得られる観測イベントに基づいて時間とともに推定される、悪意ある活動の存在を表す二値潜在過程に対する推論として定式化する。手法は、(i) イベントの意味論的正規化、(ii) 統計的・構造的特徴抽出、(iii) 時系列グラフの逐次構築、(iv) 数値安定性のための対数尤度による更新を用いたベイズ推論、を統合する。さらに、観測されたトポロジー指標の分布と歴史的ベースラインとの間のKullback–Leiblerダイバージェンスに基づく構造検知器を導入する。我々は、このモデルを広く用いられている公開データセット（CIC-IDS2017およびUNSW-NB15）と、23億件の匿名化イベントを含む企業データセット上で実証的に評価し、Random Forest、XGBoost、およびLSTMと比較した。結果は、$F1$スコアの統計的に有意な改善と、誤検知率およびラテラルムーブメントの平均検知時間の一貫した低減を示している。Zero TrustおよびCNAPP環境における含意、concept driftに対する頑健性、ならびにデータポイズニングのリスクについて論じる。複数の弱い証拠を一貫した確率的融合で統合し、時系列グラフの構造解析と組み合わせることで、分散型の現代アーキテクチャにおける運用上のスケーラビリティを維持しつつ、精度と遅延の面で大幅な向上が得られることを示す。
Read paper →Detection多モーダル時間モデリングと大規模確率推論による高度持続的脅威の適応的検知
TITLE: 多モーダル時間モデリングと大規模確率推論による高度持続的脅威の適応的検知 ABSTRACT: ハイブリッド環境およびクラウドネイティブ環境における高度持続的脅威（APT）の高度化は、侵害の早期検知に対して重大な課題をもたらしている。2025年の運用環境には、マルチクラウドアーキテクチャ、CNAPP（Cloud-Native Application Protection Platforms）、エフェメラルなワークロード、eBPFを介したテレメトリ、ならびに大規模言語モデル（LLMs）に関連する新たなリスクが組み込まれている。本研究では、動的な多モーダルグラフと多変量Hawkes過程の統合に基づくAPT適応検知のための形式モデルを提案し、明示的なベイズ的視点の下で構成する。イベントフローを異種の時系列として形式化し、悪意ある活動の伝播をスペクトル安定性制約を備えた自己励起過程としてモデル化する。最適判定は、偽陽性率に対する明示的な制限を伴う0–1損失の下で導出し、ベースレート問題に対処する。アーキテクチャはApache Kafka、Apache Flink、および分散ストレージを用いた分散環境に実装し、eBPFベースのテレメトリ抽出とMITRE ATT&CKに整合したコンテキスト強化を組み込んだ。モデルはCIC-IDS2017、DARPA Transparent Computing、および23億イベントを含む匿名化された企業データセット上で評価した。その結果、Isolation Forest、LSTM、Sigmaルールといったベースラインと比較して、F1スコアにおける統計的に有意な向上（p < 0.01）、偽陽性率38%削減、AUC 0.97を示した。さらに、AIベースシステムのセキュリティ、モデルガバナンス、ならびに新たな耐量子制御との統合に関する含意についても議論する。以上より、関係的確率モデリングは、観測可能性、コンプライアンス、サイバー・レジリエンスに関する現代的要求に適合し、大規模な適応検知に対して理論的に堅牢かつ運用上実行可能な基盤を提供することが示された。
Read paper →