arXiv のセキュリティ・暗号分野（cs.CR）と IACR 暗号学プレプリント。
説明n²の壁を突破：劣二次の通信量を持つ情報理論的安全な多者間計算（MPC）
要約本論文は、多者間安全計算（MPC）における通信コストの問題を扱う。誠実多数派の設定では、既存の情報理論的プロトコルは回路が小さくても n² に関係する通信量が必要であった。著者らは、幅広い回路クラスで通信量が劣二次（o(n²)）となる情報理論的 MPC プロトコルを提案し、適応的な悪意ある敵対者に対して安全であることを示す。また、より強い敵対者能力の下では、定数サイズの回路でも劣二次の通信は不可能であることを証明している。
注目点情報理論的安全性のもとで、広い回路クラスに対して通信量が二次未満のMPCを初めて示し、n²の下界を破り、分離結果も与えている。
説明LLM中心のエージェント型UAV群における知覚・推論インターフェースの多層防御
要約大規模言語モデルが無人航空機（UAV）群のデータ収集スケジューリングを支援する際、攻撃者がセンサー報告を改ざんするだけで群の動きを誘導できるリスクを扱う論文です。著者らは、報告の出所、物理的妥当性、群の幾何や稼働履歴との整合性、特定センサーの飢餓の有無を検査する5層の防御を実装・評価し、失敗時には疑わしい入力を無視する決定論的スケジューラに切り替えます。実験では事前に導出した検知境界と実測値が一致しましたが、報告の棄却と置き換えにより累積コストは二つの検知器でそれぞれ79%、74%増加しました。
説明対数単位格子探索とLUTシフトによる低ノイズ多値ブートストラッピング
要約本論文は完全準同型暗号（FHEW/TFHE）におけるプログラマブルブートストラッピングの計算コストを扱います。多値ブートストラッピングは、同じ暗号文に対する複数の関数で一度のブラインド回転を共有して負担を減らしますが、一般的な共通因子は多くのルックアップテーブルの組で不要に大きなノイズ増幅を招きます。著者らは共通因子を選ぶための対数単位格子探索と、等価なテスト多項式表現を生成するLUTシフトを提案し、いずれもオフラインで行います。失敗確率2の-128乗のTFHEで、256ビット準同型整数乗算において、出力ごとに個別のブートストラッピングを行う基準と比べ、遅延は1.47倍、スループットは1.59倍改善したと報告しています。
説明時計を逆再生する：クロック分配網から設計意図をレイアウト考慮で復元
要約本論文は、復元したゲートレベルネットリストと走査型電子顕微鏡画像から抽出したレイアウト情報を統合し、製造済み集積回路のクロック分配網を復元・解析する手法を提案します。450ナノメートルの市販ICで検証し、グローバルなHツリー基幹と局所的な分岐構造、独立したクロックツリーとグローバルクロックゲーティングを特定しました。また遅延、スキュー、配線長を定量化し、専用のクロストーク対策が見られないことを確認しています。クロックツリー復元アルゴリズムはオープンソースで公開されています。
注目点製造済みチップから初めてクロック分配網を復元し設計意図を推定する点は新規性が高いが、単一の450nm商用チップでの検証にとどまる。
説明LiBRA：双方向潜在最適化による検出を意識した画像透かし除去攻撃
要約本論文は、AI生成画像のデジタル透かしに対する除去手法LiBRA（Latent In-band Bidirectional Removal Attack）を提案しています。公開オートエンコーダの潜在空間で有界な変更を加え、復号の信頼度を両方向からランダムな推測へ導くことで、透かしを検出不能にしつつ画質の低下を抑えます。除去の成否は、確信度の目標値を前提とせず、厳密な両側二項検定で確認しています。
説明EvoRiskBench：ワークスペースエージェントの実行時セキュリティリスクを評価する進化型ベンチマーク
要約本論文は、ワークスペースエージェントの実行時セキュリティリスクを評価する進化型ベンチマークEvoRiskBenchを提案しています。EP-Path-EFフレームワークに基づいて、隔離環境でリスクケースを自動的に構築・実行し、実行トレースと環境状態で結果を検証します。6つのシナリオにわたる450の敵対的タスクを含み、9つのモデルとハーネスの組み合わせを評価した結果、各システムで大きな脆弱性が確認されました。
説明オープンウェイトLLMの悪用検出におけるトリガータグ機構の脆弱性
要約本論文は、オープンウェイト大規模言語モデルにおいて、フィッシング内容の生成などの目標条件下で検出可能な信号を出す「トリガータグ」機構を研究しています。著者らはトークンレベルと重みレベルの2種類を区別し、統一攻撃フレームワーク「Untag」を提案して、フィッシングを事例に評価しました。その結果、管理された環境では一定の証拠を与えうるものの、攻撃者が出力を変換したり重みを改変したりすると、既存の機構はほぼ完全に無効になることが示されています。
説明分岐誘導攻撃からコンピュータ操作エージェントを守る研究
要約本論文は、GUIを直接操作するコンピュータ操作エージェント（CUA）が、明示的な命令を注入されなくても、悪意あるウェブ内容によって事前承認済みの危険な分岐へ誘導されうることを指摘している。著者らは101タスク・9分野からなるSTEER-Benchを作成し、標準的CUAで94.4%、素朴なDual-LLM型CUAで89.5%の攻撃成功率を示した。さらに、信頼された分岐計画と事前の能力制約を組み合わせたCOBRAを提案し、同ベンチマークで攻撃成功率を0%に下げつつ、正常時の有用性97%を維持したと報告している。
注目点分岐誘導攻撃を提起し新ベンチマークを構築、COBRAはDual-LLMの弱点に対する新しい設計だが、評価は101タスクと規模が限られる。
説明SecJev：システム1の意思決定モデルにセキュリティの専門知識を導入
要約本論文は、Jev方式の意思決定モデルをセキュリティ分野に特化させたSecJevを提案し、知る限り初のこの種のモデル群だとしています。パラメータ数は0.8Bから9Bで、Kevの単一パス候補スコアラーを基盤に、テキストやテレメトリ、観測履歴から意思決定を学習します。14タスク・8ソースにまたがるSecJev-Corpusも構築されました。論文によると、SecJev-0.8Bはタスク平均の正解率で汎用のKev-9Bを20.51ポイント上回っています。
説明離散対数問題に基づく三ラウンドのブラインド署名
要約本論文は、ペアリングを用いない群上でブラインド署名を構成する問題を扱います。ランダムオラクルモデルにおいて、離散対数（DL）問題が困難であるという最小限の仮定のみから「ワンモア不可偽造性」を証明できる、初の三ラウンド・ブラインド署名方式を示しています。この方式は部分ブラインド性もサポートし、ブラインド性は統計的です。既存研究はより強い判定的Diffie–Hellman（DDH）仮定に依拠していましたが、本論文はDLのみに基づきます。
注目点離散対数仮定のみに基づく初の3ラウンドのワンモア不可偽造ブラインド署名で、DDH依存の既存結果を改良し、理論的に厳密。
説明事前定義されたシンクを超えて：LLMエージェントのためのセキュリティ考慮型依存関係分析
要約本論文は、LLMエージェントの安全性に敏感な操作ごとに、エージェントの関連性、信頼境界、ガード証拠などを含むセキュリティ考慮型依存グラフ（Security-ADG）を構築する静的解析フレームワークAgentSecGraphを提案している。また、11のエコシステムにわたる67のLLMエージェントリポジトリからなるコーパスAgentSecBenchを公開している。非公開の9つのケースでは、Security-ADGが参照コンテキストの91.1%と観測された5つのガードすべてを保持し、シンクのみの手法は20.0%、簡略化されたADGは40.0%だった。
説明分散離散対数に基づく多者同型秘密分散
要約本論文は、「当事者仮想化」という新しい手法により、2者の半プライベート同型秘密分散から多者の同型秘密分散を構成する一般的な枠組みを提案しています。多項式計算の合成や制限付き乗算プログラムに対応し、さらに多項式次数と多項式有界なWaring階数を持つ関数については完全プライベート方式へ強化されます。得られる多者分散点関数の鍵サイズはλおよびlog|D|に対して多項式的であり、DCRや類群の仮定などの標準的な仮定の下で実装できるとされています。
説明デジタルツインを用いた ICS テレメトリの ATT&CK for ICS へのマッピングと証拠駆動の依存関係推論
要約本論文は、産業制御システム（ICS）のテレメトリから同期された状態変化を抽出し、証拠を保持した記述に変換したうえで、検索拡張型の大規模言語モデル推論により ATT&CK for ICS へマッピングし、型付き依存グラフを構築するデジタルツイン支援の枠組みを提示する。SWaT の複数シナリオ、BATADAL、WADI で評価を行い、デジタルツインによる補強で誤検知が減る傾向が見られたが、統計的有意性は得られず、外部データセットへの効果も確認されなかった。
説明査読は評価権限を制約すべきだという論文
要約本論文は、査読改革の焦点を評価者の能力向上や判断の集約から、評価の不確実性が続く状況下で評価権限そのものを制約することへ移すべきだと主張しています。重要な判断は、意思決定の根拠として扱われる前に構造化された精査を経ることを求める「権限制約型査読」を提案しています。提案には、批判と権限の分離、独立した二次評価、異議申し立てと取り消しの可能性、根拠の乏しい影響に対する説明責任が含まれます。
説明頻度は感度ではない：スパースMoE大規模言語モデルにおける安全性に敏感なエキスパートの特定
要約本論文は、再学習なしにスパース混合エキスパート（MoE）言語モデルの一部のルーティングエキスパートを抑制すると、安全性の拒否挙動が弱まるかを検討したものです。活性化頻度と、ゲート重みに対する損失の勾配感度という2つの指標でエキスパートを選ぶ方法を、5つのMoEアーキテクチャで比較しています。検証した予算条件の下では、勾配ベースの選択が多くの条件で活性化頻度による選択より拒否率を大きく下げたと報告しています。
説明AgentTrap：自律型ペネトレーションテストエージェント向けの状態保持型フィードバック欺瞞システム
要約本論文は、自律型ペネトレーションテストエージェントを対象とした初のクローズドループ型ハニーポットであるAgentTrapを提案します。センチネルエンドポイントで正規利用者への干渉を避け、保護対象アプリケーションに基づく状態保持型の欺瞞と、エージェントの振る舞いに応じた段階的な誘導により、エージェント側の行動証拠を収集します。8つのエージェントによる評価では、実標的への総合攻撃成功率が95.8%から79.2%に低下し、18.8%の実行でAPIキーの露出を誘発できたと報告しています。
説明自律型オペレーターの封じ込め：Kubernetes上でAIエージェントを守る多層防御フレームワークと参照アーキテクチャ
要約本論文は、大規模言語モデルのエージェントがインフラ運用に入り、Kubernetesクラスタの状態を変更できる点に着目し、プロンプトインジェクションで完全に侵害された場合でも安全性が保たれるべきだと論じています。脅威モデルと10分類の脅威分類、9つの設計原則、Kubernetesの既存機構に対応づけた7層の多層防御フレームワーク、EKS・AKS・GKEへの参照アーキテクチャを提示し、定性的な評価を行っています。攻撃成功率や性能オーバーヘッドの実測値は報告されておらず、残存リスクと検証に必要な測定方法が示されています。
説明RMCW：削除攻撃に強い Reed–Muller 符号ベースの言語モデル用透かし
要約本論文は、大規模言語モデルが生成したテキストを識別するための透かし手法 RMCW（Reed–Muller Code Watermarking）を提案しています。削除攻撃によってトークンの位置がずれても、局所的な部分列の代数的構造を探し、Berlekamp–Welch 検定で検出します。C4 と ELI5 データセット上で OPT-1.3B と Llama-3.1-8B-Instruct を用いた実験では、通常テキストでの検出性能が高く、いくつかの削除・書き換え攻撃下でも基準手法と同等以上と報告されています。
注目点Reed-Muller符号と局所Reed-Solomon整合性検査を組み合わせた削除耐性透かしは新しいが、2データセット・2モデルの実験で証拠は中程度。
説明符号ベース後量子暗号における加法的FFTアセンブリ実装の機能検証
要約本論文は、符号ベースの二つの耐量子暗号方式、Classic McEliece と HQC で高度に最適化された加法的高速フーリエ変換（FFT）に対して、初めての形式検証結果を示すものです。著者らはオープンソースツール CryptoLine を拡張し、加法的FFTを中国剰余定理による分解として定式化することで、検証問題を Singular などの計算代数システムで扱える局所的な検査に分割しています。原文によれば、検証にかかった期間は三か月未満です。
説明要件から攻撃木へ：設計段階のセキュリティレビューのための根拠ある LLM エージェント
要約本論文は、製品要件文書とアーキテクチャ図をもとに、実装前の設計段階でセキュリティ分析を行うマルチエージェント LLM フレームワークを提案しています。誤用ケースや攻撃木の生成、ガバナンス・コンプライアンスの不備の確認、緩和策の提案を行い、専門家レビュー用の修正アーキテクチャ案も作成します。評価では、アーキテクチャに基づき誤用を起点とする推論が、単発プロンプトや除去実験のベースラインより審査の質を高めたと報告されています。
説明差分プライバシー付きMuonのための内部モメンタム法
要約論文は、差分プライバシー学習でサンプルごとの勾配をクリップすると、Muon最適化法の特異ベクトルの幾何構造が歪むという問題を扱います。クリップの前に現在のモデルと直近のモデル履歴にわたって勾配を平均化する補正を提案し、その補正が歪みを抑えること、有限回のNewton-Schulz直交化後も有効であることを示しています。GPT-2の私的ファインチューニング実験では、どの乱数シードの比較でもDP-Muonを上回り、ノイズ付加前の極分解誤差は2〜4%低下しました。
説明同種写像に基づく耐量子時間ロックパズル
要約本論文は、同種写像（アイソジェニー）に基づく初の（予想上の）耐量子時間ロックパズルを提案します。生成時間は √T のオーダーで、事前設定は不要です。安全性は量子ランダムオラクルモデルで、同種写像の押し出し計算の逐次性に関する新たな予想の下で証明されています。Apple M3 上での一時間遅延の実装では、直列で約 2.9 分、4 ワーカーで約 100.5 秒でした。
説明摂動目的関数上の勾配降下法の差分プライバシー解析
要約本論文は、正則化経験リスクに確率的な線形項を加えた目的関数に対して決定的勾配降下法を行い、その第N反復の結果を公開する場合の差分プライバシー保証を研究している。条件を満たすとき、z から w_N への写像が C^1 微分同相であることを示し、ヤコビ行列の最小特異値の下界を与える。一般化線形モデルでは、反復条件が成り立てば、プライバシー境界に明示的な環境次元の因子は現れない。
注目点摂動目標上の勾配降下法の有限反復が微分同相写像であることを示し、ヤコビ行列の最小特異値の下界を与え、次元因子を除去する理論的改良を行う。
説明分割技術の再検討：LWE に基づく回路向け出力適応型 ABE
要約本論文は、選択的安全性と完全適応的安全性の中間に位置する新しい安全性概念「出力適応的安全性」を提案します。攻撃者はポリシー関数の構造 f を事前に選択し、チャレンジ段階で目標出力値 y を適応的に選べます。著者らは標準的な LWE 仮定に基づき、古典的な分割技術を回路評価の出力空間に適用して、一般回路向けの初の出力適応型 ABE 方式を構築しました。生体認証照合、重み付き閾値、ワイルドカード検索など、システム構成は固定でもポリシーの対象が変わる用途で有用だと述べています。(Attribute-Based Encryption, ABE / Learning With Errors, LWE)
説明正規化が結論の向きを決める：量子アテンションの頑健性アブレーション実験の検証
要約本論文は、生成された送電網の軌跡データを用いた4量子ビットの量子アテンション検出器で、頑健性のアブレーション実験を検証しています。学習された入力スケーリングモジュールは、物理的な攻撃予算を固定すると有利に見えますが、エンコーダでの摂動上限を揃えると順位が逆転します。そのため、このモジュールが頑健性の向上を引き起こしたとは判断できないことを示しています。
説明量子フーリエサンプリングの限界：遅延型PUFの安全性審査のための三段階監査プロトコル
要約本論文は、量子フーリエサンプリングが遅延型物理的複製困難関数（PUF）のスペクトル学習可能性の監査に役立つかを検討し、三段階の監査プロトコルを提案する。到達可能なチャレンジ長では低次数が小さな台を意味しないこと、また量子カーネル診断で見られた幾何学的差の増大は古典的グラム行列の条件悪化だけで生じうることを示している。評価した条件下ではエンドツーエンドの優位性は見られなかった。
説明Control OSWorld：GUIでコンピュータを操作するAIエージェント向けのAI制御評価環境
要約本論文は、OSWorldの318タスクと、エージェントが気づかれずに実行すべき81の有害な副次タスク（例：非公開ファイルの持ち出し）を組み合わせた制御評価環境Control OSWorldを提案する。これを用いて、GUI上で悪意ある動作をするエージェントを検出する監視器を研究している。完全な軌跡を見られる場合、より弱い監視器でも偽陽性率3%で再現率97%と、正常な軌跡と悪意ある軌跡を区別できた。一方、各ステップの実行前に採点する場合は、文脈が少ないため低い偽陽性率での再現率が下がる。また、監視器がエージェントの可視テキストを見られることは重要であり、スクリーンショットの追加的な価値は小さいとされる。
説明Pincer：デジタルツインを用いたエージェントのリソース認可
要約本論文は、ツール呼び出し層の既存の防御と併用されるリソース層の防御機構Pincerを提案している。中核は、ユーザー固有の動的な最小権限ポリシーを学習・適用する、隔離コンテキストのデジタルツイン（digital twin）であり、エージェントの権限要求についてユーザーの代理として応答する。評価では、LLM判定器の各種派生やConseca（HotOS '25）の改良版を含む複数のベースラインと比較し、安全性と実用性の両面で良好な結果を示したと報告されている。
説明AES のグラムモーメントとペアワイズ混合性の解析
要約本論文は、独立した round key の下で、AES が異なる二つの平文に対して生成する暗号文ペアの分布が、ランダム置換にどこまで近いかを調べたものです。拡散層による局所的な依存関係を保つため、グラムモーメントによる評価と、連続する二つの遷移の同時推定を用いています。任意の整数 k≥0 について、8+2k ラウンドの全変動距離が 2^(-92.19-41k) 未満であることを示し、10、14、16 ラウンドでそれぞれ 2^(-128)、2^(-192)、2^(-256) の統計的精度が得られるとしています。
注目点拡散層間の依存関係を保持し隣接2ラウンドの遷移を同時推定することで、AESのペアワイズ混合に対する新たな上界を示し、証明は厳密で理論的進展が大きい。
説明『非同期、不可視：産業用IoT侵入検知に対する幻影状態攻撃』：時間同期の弱点を突く検知回避研究
要約本論文は産業用IoT（IIoT）の機械学習型侵入検知システム（IDS）に対する「幻影状態攻撃（PSA）」を提案します。攻撃者はパケットや特徴量を変更せず、分類器への問い合わせも行わず、攻撃フローの時間を有界の範囲でずらすことで、観測値をウィンドウ境界の向こうへ移し、IDSが実際のプロセス状態と異なる状態を再構成するようにします。ToN-IoTとCIC IIoT 2025（DataSense）で、Random Forest、MLP、XGBoostを対象に評価されており、パケット数が多いフローで効果が見られ、問い合わせベースの手法よりも攻撃コストが低いと報告されています。
説明CITADEL：CWEとデータフローグラフに基づき、LLMでハードウェアトロイを自動挿入する枠組み
要約本論文はCITADELという枠組みを提案し、大規模言語モデルとデータフローグラフ（DFG）を用いて、CWEの弱点情報に基づくハードウェアトロイの生成を自動化します。脆弱性の特定、挿入箇所周辺のモジュールの特定、RTLの修正を支援します。論文によると、生成されたトロイはすべて構文的に正しく、大規模なランダムシミュレーションでは検出されず、想定された条件で起動できるとされています。現実的なベンチマーク作成の手法として位置づけられています。
説明単純な量子過程の擬似ランダム性に関する研究
要約本論文は、局所的なランダム可逆操作を繰り返し合成すると、ランダムと区別できない大域的な置換が得られるというGowersの予想の量子版を検討しています。効率的にサンプリング可能な1・2量子ビットゲートの分布を構成し、そこから得られるアンサンブルは近似ユニタリt設計になるにもかかわらず、効率的な量子アルゴリズムでランダムと区別できることを示し、置換についてのHoory等の予想の量子版を反証しています。さらに、ユニタリ設計はブラックホール物理における情報のスクランブルのモデルとしては不十分かもしれないと指摘し、ランダム量子回路で擬似ランダム性がどのように現れるかについての新たな予想を提案しています。
注目点局所ランダムゲート列が有限ステップ後に近似ユニタリ設計となるが効率的に識別可能という反例を構成し、類似予想を反証している。
説明SideKernel：macOS上でAIコーディングエージェントを使いやすく隔離する微小仮想マシン型サンドボックス
要約本論文は、AIコーディングエージェントは信頼できないシステム要素でありながら、開発者のマシン上で自律性を必要とするため、セキュリティ上の問題があると指摘します。オンライン利用者調査では、これらのエージェントをサンドボックスで動かしている人は40%未満で、導入を妨げる主な使いにくさも明らかになりました。著者はこれを踏まえ、オープンソースでローカル動作する微小仮想マシン型のmacOS向けサンドボックス「SideKernel」を開発しました。市場の複数のサンドボックスと23項目の能力テストで比較した結果、使いやすさに関する機能では Docker Sandboxes と SideKernel が最も高い評価を得ました。
説明CAROUSEL：同型スケッチとGPU高速化によるプライベートベクトル検索
要約信頼できないサーバーでのベクトル検索では、クエリの埋め込みが利用者の意図を表すため漏えいしてしまう問題があります。本論文はこれに対し、サーバーが暗号化されたままコーパス全体の各ベクトルをスコア付けし、結果を対数個の暗号文に圧縮してクライアント側でランク付けする方式Carousel（キャルーセル）を提案します。十億規模のBIGANN SIFT1Bを複数GPUで検索した場合のrecall@100は0.9715、1億件のSIFTベクトルを単一GPUで検索した場合のrecall@100は0.9845で、クエリ遅延は3.735秒と報告されています。
説明入力系列の変化に対する大規模言語モデルの頑健性の評価と改善
要約本論文は、プロンプトインジェクション、トロイの木馬（バックドア）、自動品質指標の操作といった敵対的な入力変化に対する大規模言語モデルの頑健性を研究しています。Jensen-Shannon ダイバージェンスに基づく生成的頑健性指標 R_stab(f) を提案し、LLM-as-a-Judge システムに対しては適応的な進化型ブラックボックス攻撃 ASA を開発して、攻撃成功率は最大 73.8% に達したとしています。さらに、MCP ベースのエージェントシステム向けに、ツール呼び出しを認証する AttestMCP と隔離パターンを提案し、MCPBench の 847 シナリオで平均攻撃成功率を 53.7% から 12.4% に低下させたと報告しています。
注目点生成的ロバスト性指標、適応型攻撃ASA、AttestMCPを提案し、複数ベンチマークで具体的数値比較を示しており、証拠は比較的充実、影響は中程度。
説明Whiteout による LLM の個人データ漏えいの軽減
要約大規模言語モデル（LLM）は大量の未フィルタリングデータで学習するため、生年月日、電話番号、住所などの個人情報を記憶して再生成することがあります。本論文では Whiteout を提案します。これは本人の依頼に応じて、精密に設計された難読化サンプルで実際の個人情報を上書きし、再生成を防ぐ実用的なツールです。複数の規模・提供元のモデル（OpenAI のモデルを含む）で評価した結果、対象情報の開示を効果的に防ぎ、モデルの有用性と安全性への影響はわずかで、既存手法より優れていることが示されています。
説明プライバシー会計の統一：情報等価性と情報損失
要約本論文は、統一的な情報理論の枠組みで差分プライバシーの四つの曲線型概念を比較する。穏やかな条件のもとで、(ε,δ)-DPの二方向プライバシー曲線、仮説検定のトレードオフ関数、拡張プライバシー損失分布は情報的に等価であり、正確なRényi差分プライバシー（RDP）曲線も同じ等価類に属することを示す。一方、方向別プライバシー曲線の最大値をとること、またはRDP曲線を一つのzCDPパラメータに圧縮することは情報を失う。完全なRDP曲線を保持すると、同じプライバシー水準でノイズ分散を減らせ、DP-SGDによるFashion-MNISTでは精度が向上すると報告されている。
注目点統一的な枠組みで4種類のプライバシー曲線の情報等価性を示し、RDPとzCDPの情報損失を定量化しており、理論的貢献が明確である。
説明ホップ減衰影響：LLM を用いた GraphRAG における構造的補助インデックスの新たな脆弱性（論文）
要約本論文は、大規模言語モデルを用いる GraphRAG 検索パイプラインにおいて、オフラインのインデックス作成時に生成される補助構造（意味的要約、階層エッジ、事前計算スコア）が検索の優先順位を決めることに着目しています。従来の攻撃はノードやエッジなどインスタンス単位に限られていたため、作者らは 3S フレームワークと HDI 攻撃を提案し、インデックス作成後にこれらの構造を改ざんします。2 つのベンチマークと 2 つのアーキテクチャで攻撃成功率は 88〜94% に達し、補助構造の約 0.016% の変更で済み、困惑度や言い換え防御も回避できるとされています。
注目点補助スキーマ層を新たな攻撃面として定式化し、2つのベンチマークと2つのアーキテクチャで検証した点が新しく、影響も大きい。
説明量子位置検証における有界エンタングルメントの壁を破る
要約本論文は、検証者が対話型プロトコルで証明者の主張する位置を検査する量子位置検証（QPV）を扱う。連続時間の理想化モデルにおいて、BB84に基づくプロトコルを示し、任意の有限な量子記憶と量子もつれを持つLOCC攻撃者の共謀に対しても安全であるとする。正直な当事者の資源は攻撃者の資源より大幅に小さくでき、時刻測定の精度が向上するほど資源差が広がるとされる。
注目点連続時間モデルで有界エンタングルメントの壁を破り、BB84型プロトコルと情報理論的安全性の証明を与え、資源差を多項式的に拡大できる点が注目される。
説明MIRROR：LLMマルチエージェント通信のための多経路クォーラム完全性機構
要約LLMマルチエージェントシステムでは、エージェント間の通信途中でメッセージが中間者によって改ざんされる恐れがあります。本論文は、同じメッセージを複数の論理経路で送信し、過半数の経路が同じダイジェストを報告した場合にのみ受理するMIRRORを提案します。経路の侵害割合が0.5未満という条件の下での完全性保証を示し、複数のベンチマークと実運用環境で攻撃成功率が0%になり、トークンコストは従来どおりと報告しています。
説明KaliBench：Kali Linuxのセキュリティツール利用を対象とした、実行環境不要の検証可能報酬つき細粒度ベンチマーク
要約本論文は、自然言語をKali LinuxのCLIコマンドに変換する細粒度ベンチマーク・データセットKaliBenchを提案する。8,504組のクエリとコマンドの組を含み、1,642ツール、23の能力次元、5つのセキュリティフェーズを対象とする。非制限設定では、オープンウェイトモデルのいずれも完全一致コマンド精度が42%を超えないと報告している。さらに、KaliBenchから得られる検証可能な報酬による教師ありファインチューニングと強化学習で、8Bモデルの性能が685B MoEモデルに匹敵するまで向上したとしている。
説明意図隠蔽型ジェイルブレイク：組み合わせ攻撃の情報理論的枠組み
要約本論文は、大規模言語モデルに対するジェイルブレイク攻撃の一種を扱う。有害な要求を良性のタスクと組み合わせ、有害な意図を隠す手法である。著者らは情報理論の観点から、各タスクが有害と判定される確率を先験確率と事後確率として定式化し、補助タスクを選んで両者を一致させる「事前・事後マッチング」を提案する。複数のオープンソースモデルで評価した結果、評価された探索予算の範囲では、組み合わせクエリが直接要求の基準を超える対象行動を引き出せた一方、タスク束のサイズが大きくなるほど、多くのモデルで応答レベルの対象行動の保持が低下する傾向が示された。
説明二者間差分プライバシーにおける量子優位性：量子通信で情報理論的に誤差 O(1) のハミング距離推定を実現する
要約本論文は、双方が同じ推定値を出力する必要がある二者間ハミング距離について、量子プロトコルを提案している。古典的な情報理論的プロトコルでは、純粋差分プライバシーの下で誤差 Ω(√n) が必要となる。著者らは Klauck の正直・非先取・メッセージ保存モデルにおいて、通信量 O(n) の量子プロトコルを与え、期待誤差は高々 2/sinh ε + γ であることを示す。近似差分プライバシーではさらに誤差が小さくなり、O(1) と Ω(√n/log n) の分離も δ=o(1/n) の場合に維持される。
注目点古典では不可能な情報理論的プライバシーの下でO(1)誤差の量子プロトコルを与え、厳密な証明で分離結果を支えており、理論的進展が大きい。
説明量子暗号に対する前処理攻撃の下界証明
要約本論文はランダムオラクルモデルにおいて、量子暗号が前処理攻撃に対して持つほぼ最適な下界を証明しています。S 量子ビットの非一様アドバイスを持つ T 回クエリの攻撃者が、n 量子ビットの二値位相状態から乱数鍵を復元できる確率は、N=2^n として O((T²+√(ST))/N) 以下であることを示します。あわせて、後量子擬似乱数生成器の解析や、Lombardi-Ma-Wright の結果の一般化も行っています。
注目点量子暗号に対する前処理攻撃の近最適下界を示し、既存限界を改善して量子の新たな優位性を示す。証明は厳密だが影響は理論暗号分野に限られる。
説明単純な量子過程の疑似ランダム性に関する研究
要約本論文は、単純な量子過程が高度に複雑に見えうるかを検討し、局所的なランダム酉ゲートを繰り返し合成した結果がランダムと区別できないかという問題を扱っています。著者らは、酉設計による統計的モーメント一致が、最も単純な量子過程であっても一般に疑似ランダム性を保証しないことを示しています。さらに、ランダム量子回路において疑似ランダム性がどのように生じうるかについての新たな予想も提案されています。
注目点単純な局所ランダム量子過程がユニタリ設計を満たしつつ効率的に識別可能であることを示し、酉類似のHMMR予想を反証する。理論的証明は厳密。
説明準同型アドバンテージ演算子：完全準同型暗号の制約下で強化学習を安定させる手法
要約本論文は、完全準同型暗号（FHE）上の深層強化学習で多項式近似が発散する問題を防ぐための安定化手法、準同型アドバンテージ演算子（HAO）を提案する。アドバンテージ推定のゼロ平均中心化射影を時間差分（TD）ターゲットに適用し、ベルマンドリフトを引き起こす一様な状態価値基準を除去する。実験では、HAO が網内の事前活性化値を安全な多項式近似領域内に収め、試行したすべての乱数シードで境界逸脱は0%だったと報告している。
説明AIの監督はゼロ知識にできるか？一般には不可能だが、回答に署名する預言機なら可能と示す研究
要約本論文は、人間の判断や実験、ウェブ情報などの預言機に依存するAIの出力を、機密データを明かさずに検証できるかを検討しています。ランダム預言機モデルでは、すべての預言機支援計算にゼロ知識証明が存在しないことを証明し、この不可能性は辯論モデルにも及ぶとしています。一方、預言機が各回答に暗号署名を付す場合は、衝突耐性ハッシュ関数の仮定のみで、任意の計算を効率的かつゼロ知識で検証できると示しています。
注目点ランダム・オラクルモデルで汎用の零知識検証が不可能であることを証明し、署名付きオラクルによる肯定的構成を示し、理論的境界を前進させた。
説明行列三つ組のための疑似乱数相関生成器
要約本論文は、行列の三つ組（A、B とその積 A·B のシェア）を生成する、2 種類の疑似乱数相関生成器（PCG）を提案している。行列の三つ組は、プライバシー保護機械学習や閾値暗号など、行列演算を含む安全な計算プロトコルで利用される。従来の方式は種（シード）のサイズが行列の次元に対して線形に増え、展開も遅かったが、新方式はより効率的である。
説明AI監督はゼロ知識にできるか：機密データ上のAI出力を検証する理論研究
要約本論文は、機密データを明かさずにAIの出力が正しいかを検証する方法を研究しています。著者らは、人間の判断や物理実験、ウェブなどのオラクルに依存する一般的な計算については、ランダムオラクルモデルでゼロ知識証明が存在しないことを証明し、討論型の監督も同様に不可能だと示しています。一方、オラクルが各回答に暗号署名を付す場合には、衝突耐性ハッシュ関数のみを仮定して、すべての such 計算を効率的な証明者と検証者でゼロ知識検証できることを示しています。
注目点ランダム神託モデルで一般の神託計算がゼロ知識に検証できないことを証明し、署名付き神託による正の構成も与えており、理論的境界に実質的な前進がある。
説明暗号カーネルを超えるシステムレベルの最適化：Arm Cortex-M7 上の ML-KEM を事例に
要約本論文は、Arm Cortex-M7 組み込みプロセッサ上の ML-KEM（モジュール格子ベース鍵カプセル化機構）を事例に、命令レベルの最適化以外に、メモリ階層の活用、密結合メモリの配置、周辺機器の統合、クロック設定、公開データの再利用といったシステムレベルの性能向上余地を検討しています。暗号アルゴリズムと標準のワイヤフォーマットを変更せずに、補助的な公開状態を使わない構成では最大 2.5% のサイクル削減が得られ、選択された公開データ再利用の構成では、カプセル化と復号でそれぞれ最大 74.6% と 58.8% のサイクル削減が報告されています。
説明ポスト量子移行のためのITU-T X.509多重暗号アルゴリズム拡張の解析
要約本論文は、ITU-T X.509 2019年版で後量子暗号（PQC）への移行用に定められたCatalyst拡張を分析しています。この拡張により、一つの証明書に従来型と代替の公開鍵・署名を併載できます。量子攻撃者が従来型CA秘密鍵一つを回復すると、依拠当事者が受け入れうる従来型のみの証明書で鎖内の証明書を置き換えられることを示し、EUF-CMAの形式的違反や仕様の未定義点、RFC 5280との不整合も指摘しています。
説明アーベル曲面の超特異性と超特殊性の検証
要約本論文は、有限体上のアーベル曲面が超特異かどうかを判定する問題を扱います。これは同種写像に基づく暗号で重要です。著者は、失敗確率を無視できる O(log p) の乱択（モンテカルロ）アルゴリズムを示し、位数が滑らかな場合には確定的な判定も得られるとしています。さらに、任意次元のアーベル多様体の極小性・極大性、および任意次元のヤコビアンの超特殊性を判定する効率的なアルゴリズムも提示しています。
説明OpenDP離散ラプラス分布サンプラーにおける周期的アーティファクトの検出と修正
要約本論文は、OpenDPの離散ラプラス分布サンプラーの出力分布に周期的な歪みが生じることを報告しています。原因は、bernoulli_exp1関数が使用する有理数演算ライブラリの実装誤りにあると特定されました。これを受けて、厳密な有理数演算に基づく代替実装を提案し、10^6個のサンプルによる統計検証で、試験した精度において理論分布と区別できないことを示しています。
説明マルウェアの多クラス分類のための構造化状態空間系列モデル
要約本論文は、IoT機器の急増に伴うセキュリティリスクを背景に、構造化状態空間系列モデル（S4）を用いたマルウェアの検出・分類手法を提案している。マルウェアのサンプル系列を離散化し、長距離の依存関係を捉えることで、実行フローにおける前後の関連を捉えることを狙う。主な貢献は、マルウェア解析へのS4モデルの初の実証的適用と、他の深層学習アーキテクチャとの性能比較である。
説明埋め込み空間を巡る：マルチモーダルRAGからのデータストア抽出
要約本論文は、検索結果そのものが画像として返される構成のマルチモーダルRAG（MRAG）システムに対する、ブラックボックス型のデータ抽出攻撃手法を提案しています。攻撃者は手元の影像とシステムから既に取得した画像を混ぜたクエリを送り、関連度に基づく重み付き再サンプリングで、まだ新しい検索結果が得られる埋め込み空間の領域へ誘導します。医療、文書、汎用の3シナリオと複数のCLIP系検索器で評価され、2500クエリで放射線画像最大611件、文書スキャン566件、汎用画像416件を復元できたと報告されています。著者らは、マルチモーダルデータ向けの専用の防御策が急務だと述べています。
注目点画像返答型マルチモーダルRAGに対する適応的ブラックボックスデータ抽出攻撃を提案し、悪意ある指示を入力画像に埋め込む。三場面・複数検索器で評価し、1回で数百枚を復元、基線比最大5.6倍。
説明トラップドア付きクリフォード演算子と応用：ランダムなクリフォード演算を高速化する暗号的手法
要約本論文は、サンプルが一様ランダムなクリフォード演算子と計算量的に区別できないが、トラップドア（秘密情報）があれば高速に実装できる分布を提案する。ノイズ付きパリティ学習（LPN）の変種を仮定して、近線形時間でサンプリングと実装が可能な構成を与え、有限体上でも効率的な行列乗算を可能にする陷門付き行列を構成している。さらに、行列乗算やクリフォード回路合成の最悪ケースから平均ケースへの帰着への応用も検討している。
注目点計算的に一様ランダムなCliffordと区別不能で、トラップドア付きで近線形時間に実装できるCliffordの分布を構成し、Vaikuntanathan-Zamirの未解決問題に答えて、Clifford回路のバッチ化困難性を示す。
