技術要約：プロキシ・ゼロデイ侵入検知のためのディープラーニング

1. 問題の定義と背景

本論文は、既知のシグネチャやパッチが存在しない、未知の脆弱性を突いた攻撃であるゼロデイ攻撃（ZDA）の検知という極めて重要な課題に取り組んでいる。特定された根本的な問題は、真のゼロデイ攻撃は公開されているベンチマークデータセットではほとんど観測されないということである。その結果、実証研究において未知の脆弱性の発見を直接評価することはできない。代わりに、分野ではゼロデイ条件を近似するためのプロキシ（代理）評価戦略に依存している。

著者らは、現在の文献がこれらのプロキシ評価を真の脆弱性発見と混同しており、その結果、有効性を過大に主張していると指摘している。さらに、侵入検知システム（IDS）のためのディープラーニング（DL）に関する既存の調査は断片的であり、**堅牢性（Robustness）、説明可能性（Explainability）、およびデプロイメントへの準備態勢（Deployment Readiness）**を統一された評価フレームワークに統合することなく、特定のアーキテクチャ、データセット、または狭いテーマに焦点を当てがちである。本論文は、標準化されたプロキシの定義と厳格な評価がなければ、報告される高い精度スコアは、新たな脅威に対する運用上のレジリエンスには結びつかないと断じている。

2. メソドロジー

本研究は、PRISMA 2020およびPRISMA-Sガイドラインに従った**系統的レビュー（Systematic Review）**を採用している。

• 検索戦略: 著者らは、2026年4月30日までの5つのコーパス形成データベース（IEEE Xplore, ACM Digital Library, Elsevier ScienceDirect, SpringerLink, Wiley Online Library）を検索し、カバレッジの検証のために2026年7月のScopusおよびWeb of Scienceの検索によって補完した。
• 選択プロセス:
  • 初期識別：1,101件のレコード（主要データベースおよび引用チェイニングから）。
  • スクリーニング：タイトル/抄録による783件のレコードのスクリーニング、および350件の全文査読論文の評価。
  • 修正と監査: 「修正された出版ステータスおよび適格性監査」を含むクリティカルなステップを実施した。このプロセスにより、査読済みベンダーのステータスおよび実証的な適格性を検証した。
  • 最終コーパス: 本レビューでは、主要な合成のために37件の査読済み実証一次研究を保持した。追加で63件のレコードを背景情報または除外されたエビデンスとして保持した。
• データ抽出: 著者らは、DLアーキテクチャ、データセット、プロキシ戦略、性能指標、堅牢性、説明可能性、およびデプロイメントへの準備態勢に関するデータを抽出した。
• 合成アプローチ: 指標の異質性、分散推定の欠如、および一貫性のないプロキシプロトコルを考慮し、著者らは形式的なメタ分析を明示的に回避した。代わりに、点推定値（精度、F1スコア）をアーキテクチャおよびデータセットごとに集計する記述的な量的合成を行い、サンプルサイズと範囲を併記した。
• 評価フレームワーク: 次の要素に基づく研究を評価するために、新しい7次元フレームワークを開発した：(1) DLアーキテクチャ、(2) データセットのコンテキスト、(3) ゼロデイ評価戦略、(4) 性能指標、(5) 堅牢性、(6) 説明可能性、(7) デプロイメントへの準備態勢。

3. 主な貢献

本論文は、主に4つの貢献を行っている。

1. 運用的区別と妥当性の梯子（Validity Ladder）: 真のゼロデイ攻撃の実行と、以下の4つのプロキシ戦略を正式に区別している：

   • 未学習の攻撃クラス評価（攻撃タイプを保持）。
   • 時間的汎化（過去で学習し、未来でテスト）。
   • クロスデータセット（ドメインシフト）評価。
   • オープンセット/未知クラス評価。
     著者らは、これらすべてのプロキシを、真のゼロデイ発見に近い順に並べた「妥当性の梯子」（図1）を提示し、これらはすべて脆弱性の発見の証明ではなく、堅牢性のストレス・テストであることを強調している。

2. 監査可能なエビデンスベース: 37件の研究からなる、追跡可能で修正されたコーパスを提供し、一次の実証的エビデンスと背景/除外されたレコードを区別し、除外理由（例：実証的検証の欠如、ドメイン違い）の詳細な文書化を行っている。

3. 記述的な量的合成: 37件の研究にわたる性能データを合成し、報告された精度はしばしば高い（例：ハイブリッドおよびオートエンコーダモデルで中央値97-99%）ものの、データセットやプロキシの定義が異なるため、これらの値は直接比較できないことを明らかにしている。また、ハイブリッド/マルチアーキテクチャモデルおよび指定なし/その他のDLカテゴリがコーパスを支配していることを特定している。

4. 7次元評価フレームワーク: プロキシ・ゼロデイ条件下でのDLベースのIDSを評価するための構造化されたフレームワーク（表2）を提案している。このフレームワークは、単純な精度を超え、堅牢性（敵対的テスト）、説明可能性（SHAP, LIME, Attention）、およびデプロイメントへの準備態勢（レイテンシ、メモリ、エネルギー）を含むものである。

4. 主な結果と知見

• アーキテクチャの傾向: コーパスは指定なし/その他のDL（13研究）およびハイブリッド/マルチアーキテクチャモデル（7研究）によって支配されている。TransformerやGNNアーキテクチャはより広い文献では議論されているが、抽出可能な指標を持つ最終的な適格37研究のコーパスには存在しなかった。ハイブリッドモデル（例：CNN-LSTM, AE-Transformer）は、小さな定量的サブセットにおいて最も高い報告精度を示した。
• データセットの使用: CICIDS2017（12研究）とUNSW-NB15（5研究）が最も頻繁に使用されるベンチマークである。しかし、46%の研究がカスタム、独自、または未報告のデータセットを使用しており、重大な断片化を招いている。KDD99やNSL-KDDのような古いデータセットは依然として使用されているが、バイアスの可能性が指摘されている。
• プロキシ戦略: 未学習の攻撃クラス・テストが最も一般的なプロキシ戦略である。時間的、クロスデータセット、およびオープンセットの評価は著しく過小利用されている。
• 堅禄性: 研究のわずか**35%（37件中13件）**が、敵対的堅牢性を明示的に評価していた。反復的および最適化ベースの攻撃（例：PGD, CW）は、シングルステップ攻撃（例：FGSM）よりも大きな性能低下を引き起こすことが判明した。敵対的訓練は最も多く報告されている防御策であるが、高い計算コストを伴う。
• 説明可能性: 研究のわずか**22%（37件中8件）**が、何らかの説明手法に言及していた。Attentionの可視化（6研究）が最も一般的であり、SHAP（2研究）やLIME（0研究）はほとんど報告されていなかった。これは、説明可能性がまだ評価パイプラインの標準的な構成要素になっていないことを示している。
• 報告のギャップ: 本レビューは、一貫性のないプロキシ定義、分散およびデプロイメント指標（レイテンシ、メモリ）の報告不足、およびクロスデータセット検証の欠如といった、根強い問題を特定した。

5. 重要性と主張

本論文は、特定のアーキテクチャが優れていることを証明することではなく、DLベースのZDA検知をどのように評価し、比較するかという構造を再構築することに意義があると主張している。

• ピーク精度よりもリアリズム: 著者らは、高いベンチマーク精度はゼロデイ能力の十分な証拠にはならないと主張している。提案されたフレームワークは、焦点を再現可能で、比較可能で、かつ運用上意味のあるエビデンスへとシフトさせるものである。
• プロキシの妥当性: 妥当性の梯子を確立することで、プロキシ戦略は脆弱性発見の証明ではなく、「ストレス・テスト」であることを明確にしている。この区別は、セキュリティ運用における期待値を管理する上で極めて重要である。
• 包括的なアセスメント: 本論文は、現在の研究が堅牢性、説明可能性、およびデプロイメントの制約を軽視しがちであることを強調している。モデルが単に正確であるだけでなく、リソース制約のある環境において信頼でき、デプロイ可能であることを保証するために、将来の研究がこれらの次元を統合することを求めている。
• 将来の方向性: 著者らは、ラベル不足に対処するための自己教師あり学習、プライバシーのための連合学習、およびエッジデプロイメントのための軽量モデルを含む、主要な研究ギャップを特定している。彼らは、学術的な演習から運用可能なソリューションへと分野を進展させるためには、標準化されたプロキシプロトコルと敵対的堅牢性のベンチマークが必要であると強調している。

結論として、本論文は、DLベースのZDA検知における進歩は、さらなる高精度なベンチマークスコアを報告することではなく、ゼロデイの汎化に関する主張がなされる条件を標準化し、ストレス・テストを行うことにかかっていると断じている。