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。
説明機械的血栓摘出術の有害事象を連合ベイズ法で監視する：手術デジタルツインの集団リスク層
要約本論文は、集団規模の有害事象監視を手術デジタルツインの独立した信念層として扱い、形式的なプライバシー保証のもとでそれを学習する連合ベイズ手法を評価しています。FDA MAUDEの血栓摘出用カテーテル報告8,617件（うち6,491件を5つの合併症クラスに分類し、8つの製造元サイトに分割）で検証しています。同じプライバシー予算では、本手法の検証データに対するポアソンスコアが差分プライバシー付きFedAvgより高く、非プライベートの連合モデルも集中統合を上回りました。ただし手術件数の分母がないため、出力は絶対リスクではなく相対的な発生率の順位です。
説明リサンプリングによる一回限りの差分プライバシー信頼領域
要約本論文は、各リサンプルごとの推定量にノイズを加えるのではなく、最終的なリサンプリング分位点にのみノイズを加えることで、差分プライバシーを保つ信頼領域を一回で構成する簡単な枠組みを提案している。復元抽出（m-out-of-n）では、プライバシーコストはリサンプル数Bに対して対数的にしか増えず、非復元抽出（部分標本化）ではBに依存しない。非漸近的なガウス差分プライバシー（GDP）と効用の保証を、分位点や退化したU統計量を含む推定量について示している。
説明LipSync偽造の検出と出所特定：唇の動きと頭部姿勢の不整合を利用
要約本論文は、LipSync偽造動画の検出と生成元の特定を同時に行うLipDAフレームワークを提案します。自然な発話動画における唇の動きと頭部姿勢の生体的な結びつきを利用し、真正動画と偽造動画の特徴の差を比較して不整合を捉えます。さらに、各生成モデル固有の時間的動態や音声・映像同期パターンを手がかりに出所を追跡します。2つのLipSyncデータセットと提案データセットLipSync-Aで実験を行い、検出AUCは97%超、モデル特定精度は97.5%でした。
注目点唇の動きと頭部姿勢の生体的な結合の不整合を利用して偽造検出と発生源特定を行う点に新規性があり、複数データセットでの結果も比較的充分である。
説明不変形状記述子のデコイ半径と開示半径についての解説
要約本論文は、回転不変記述子に基づく認識器が形状についてどの程度の情報を失うかを扱います。記述子の等価ファイバーの半径を軌道距離で測り、半径が大きいとマッチングを通過する遠方の形状（デコイ）が生じ、小さいと保存された値から登録形状が漏えいすることを示します。球面調和関数の次数L以下の星形曲面について次元を算出し、精密演算と区間演算で2つの事例を検証しています。その一つは小惑星ベンヌ（101955）のレーダー形状モデルです。
説明スキャナーとLLMのカスケードにおけるケース単位の検証：アラート集約のボトルネックを克服し、FRRとTPRのトレードオフ空間を広げる
要約本論文は、DAST（動的アプリケーションセキュリティテスト）スキャナーの誤検知が多く、人手による選別コストが大きい問題を扱っています。スキャナーの検知後にLLM（大規模言語モデル）で検証する二段階構成を検討し、アラート単位で判定すると、誤検知を除くと同じグループの真の検知も失われるという構造的な制約を指摘しています。そこで、HTTPリクエストを個別に再実行し、ケースごとに独立して判定する方式を提案しています。DVWAとWebGoatでの評価では、ケース単位の基準はアラート単位の最良点より誤検知削減率が4.7ポイント高く、証拠検証プロンプトはTPRを55.2%から62.1%に引き上げています。
説明失敗から学ぶ：LLMベースの脆弱性分析のための失敗駆動型プロンプト改良
要約本論文は、LLMによる脆弱性分析で繰り返し現れる失敗（誤検知、見逃し、根拠のない推論、CWE分類の誤りなど）を分析し、プロンプトを改良する手法FDPRを提案します。Damn Vulnerable Java Application（DVJA）で失敗パターンを特定し、Juliet Test Suiteおよび複数モデルでの検証により汎用性を評価しています。著者らは、この手法で分析の信頼性が向上し、再利用可能な設計原則が得られると報告しています。
説明ChaChaおよび関連ARX系ストリーム暗号に対する差分ニューラル暗号解読
要約本論文は、Latin Dances系のSalsa、ChaCha、Forróに対して初めて差分ニューラル暗号解読を行ったものです。ChaChaを3ラウンドに縮小した版で、六種類のニューラルアーキテクチャを単一ペアと複数ペアの設定で比較しています。さらにSalsaの4.5ラウンドおよびForróの1.25ラウンドに対する区分器を示し、3ラウンドChaCha区分器の説明可能性を分析しています。
説明MARCO：タンパク質生成モデル向けの放射性透かし
要約タンパク質生成モデルは配列データから複雑な三次元構造を設計できますが、無断抽出や生物安全上の悪用といったリスクも伴います。本論文は、拡散モデルの逆ノイズ除去過程で補助のエンコーダ・デコーダを用いて透かしを埋め込むMARCOを提案し、Cα原子間距離とねじれ角に関する損失関数と敵対的学習で忠実性と頑健性を高めています。著者らは、透かし付きデータで学習した不正モデルの出力にも透かしが移行することを示し、実験で高い忠実性と頑健性、透かしの移転可能性が確認されたと報告しています。
説明ヒント付き格同型問題（Lattice Isomorphism Problem）の研究
要約本論文は、秘密鍵の部分的な情報（サイドチャネル攻撃により得られる場合や設計上与えられる場合を含む）が存在するときの格同型問題（LIP）の安全性を研究しています。LIPを、Hawkの仕様とは異なる格上の最短ベクトル問題（SVP）に埋め込み、ヒントを組み込む新しい解読手法を提案しています。LeakyLWEEstimatorで実装し、Hawkの鍵回復設定における安全性を見積もった結果、Hawk-1024では約11ビットの安全性低下が示されています。
説明Zeppelin：Helium搭載マイコン向けのクライアント側BFV暗号化・復号ライブラリ
要約本論文は、マイコン上で動作する準同型暗号ライブラリZeppelinを提案し、BFV方式による暗号化と復号をデバイス側で行えるようにしたものです。ARM Heliumベクトル命令でNTTを高速化し、サーバー側のアダプタによりMicrosoft SEALと互換の形式で同態計算を行えます。STM32N6（ARM Cortex-M55）上で、4096個の値の暗号化と符号化に4.76ミリ秒、復号と復元に5.38ミリ秒、RAM使用量は500KB未満と報告されています。
説明Contextual Chain：断続的に接続されるデバイス向けの軽量な連続性認証
要約本論文は、断続的に接続されるデバイスが共有する変化する物理的・運用的文脈を用いて認証を行う、軽量な連続性プロトコル Contextual Chain を提案しています。正規のデバイスは実際に起きた一つの履歴だけを追い、小さな累積器と固定ハッシュによる準備レーンを更新します。ランダムオラクルモデルでは、目標成功確率を達成するために必要な保持状態の下限を示す因果計数定理が与えられ、正規側の準備メモリは起こりうる履歴の数に依存しないとされています。
説明HE-OFT：準同型暗号下でプライバシーを守るワンショット連合ファインチューニング手法
要約複数の組織が、各自の非公開データを集めずに同じモデルを共同でファインチューニングしたい場合を扱った論文です。提案手法HE-OFTでは、各クライアントが凍結された公開バックボーン上で低ランクアダプタと分類ヘッドを学習し、暗号化したヘッドの差分を一度だけアップロードします。サーバーはマルチパーティCKKSの下で結合し、復号は行いません。学習済みモデルは参加者の誰にも渡されず、問い合わせには予測ラベルのみが返されます。4つのテキスト分類タスクと1つの画像タスクで、61〜79%の精度を示し、単独学習の20〜48%を上回りました。
説明新しく大きくなったが、より安全になったのか？LLM生成コードにおける機能と安全性のギャップの縦断研究
要約本論文は7つのモデルファミリー・32のLLMを対象に、機能テストには合格するがセキュリティテストには失敗するコードの差（機能性とセキュリティのギャップ）を縦断的に調査しています。新しいモデルは絶対的には安全性が向上したものの、どのファミリーもこのギャップを解消できませんでした。また、コンパクトモデルは概して旗艦モデルより安全性の低いコードを生成し、一部のCWE弱点は残存しています。
説明潜在空間ベース電子透かしの本質的な限定的ロバスト性について
要約本論文は、拡散モデル向けの既存の潜在空間ベース電子透かし手法が、回転・拡大縮小・平行移動などの幾何学的変換を含む画像歪みに対するロバスト性を過大評価していると指摘します。著者らは、これらの手法が摂動に対する不変性を欠く理由を初めて理論的に説明し、ピクセル空間の摂動と潜在空間での影響との関係を表す最大摂動境界を導出しています。実験により、現在の設計パラダイムの下ではこの種の手法が本質的に限定的なロバスト性しか持たないことを確認しています。
説明FBAN：完全準同型暗号に対応し、行動認証のプライバシーを守るボトルネック注意ネットワーク
要約本論文はTFHEに対応したボトルネック注意ネットワーク「FBAN」と、エンドツーエンドで暗号化された継続認証の枠組みを提案しています。タッチ操作などの行動特徴を平文で見せずに、サーバーが暗号化したまま推論して利用者を認証します。浮動小数点での事前学習と量子化を考慮した学習の二段階で整数演算のみのモデルを作り、TFHE回路にコンパイルします。二つの公開データセットで認証性能を示し、正直だが好奇心のあるサーバーに対する安全性解析とTFHEパラメータの128ビット以上の安全性を報告しています。
説明暗号のための次数付きモノイド作用
要約本論文は、次数付きモノイド作用に基づいて耐量子プロトコルを構築する新しい枠組みを提案している。この枠組みで扱う問題には既知の準指数的量子攻撃がないとされ、Diffie-Hellman鍵交換のようなプロトコルを組み立てられる構造を備えている。著者らは、向きづけられた主偏極アーベル多様体（PPAV）上の加群作用によってこの枠組みを具体化できると述べており、これは向きづけられた楕円曲線上の類群作用を一般化したものである。
説明ChiChi逆変換の線形構造に関する五つの予想の解決と反例
要約本論文は、ChiChiおよびその一般化族（SWAPと4-cycle）の逆変換における線形高さと成分線形零化度に関する五つの予想を扱います。前の四つは許容されるすべての分岐長で成り立つことを示し、第五の予想は誤りであり反例が与えられています。また、これらの結果がChiLowの設計に与える影響と、Andreoliらのデータにおける一つの値の誤りを指摘しています。
説明視覚的来歴の再考：直接的な視覚生成とLLM駆動のコードレンダリングにおける検出と透かし
要約本論文は、画像・動画生成モデルによる直接生成と、LLMがコードを書いてレンダリングする方式という二つの経路について、検出と電子透かしを比較する枠組みを提案しています。受動的推論、メッセージ復元、認証付き来歴という三種類の検証仕様を区別しています。実験は行わず、概念的な研究課題として十の問いを提示しています。
説明『Surviving the Router』：検索と実行の両方を通過するようスキル注入を最適化する研究
要約本論文は、AIエージェントがスキルルーターで動的に選択するサードパーティ製「スキル」に対するプロンプト注入攻撃を扱います。既存の評価は悪意のあるスキルが既に選ばれている前提のため攻撃成功率を過大評価している可能性があると指摘し、複数スキル環境では既存の注入の攻撃成功率が87〜97%低下すると報告しています。著者らは検索と端到端の攻撃成功の両方を段階的に最適化する手法CORSAを提案し、異なるルーター構造やLLMへの転移も示しています。
説明ツールが嘘をつくとき：改ざんされたツール出力下での数学エージェントの信頼性
要約本論文は、数学エージェントのツール呼び出し結果が、もっともらしいが誤った値にひそかに置き換えられた場合に、エージェントがそれを検出し修正できるかを検証します。31問を対象に、検証なし、強制的な同一文脈での振り返り、任意の新規文脈検証、任意の構造的検証の4方式を比較しました。検証がない場合、正答率は100%から72.4%に低下し、強制的な振り返りで100%に回復しました。任意の検証は、モデルが実際に呼び出した場合にのみ効果があります。
説明ペア観測点キャプチャに基づく IPv6 拡張ヘッダ存在パターンの説明可能なルール抽出
要約本論文は、IPv6 拡張ヘッダ（フラグメント化ヘッダなど）のパケットキャプチャから、人が読めるルールを説明可能な手法で抽出できるかを検討しています。時系列ルールが実際のパケット間の動きを反映しているのか、単に同一パケット内で共起しているだけなのかを診断する負の対照プロトコルと、送信元条件付きの拡張ヘッダ保持率の測定手法を提案しています。JAMES データセットでは、主要なフラグメントヘッダのルールはパケット内共起であり時系列パターンではないことが示され、評価したトレースではネットワークの時間構造が主要信号を担っていないという結論です。
説明AsyncLS：ウォレットベース非同期台帳サービスのための iUC フレームワーク
要約本論文は IITM ベースの普遍的組合せ可能性（iUC）フレームワークで非同期台帳サービス AsyncLS を定義し、ウォレットを通じて登録、確定済みアプリケーション状態の読み取り、認可付き送信、不変な最終結果の照会を提供します。著者らは Wallet、Relay、Adapter、Replay の4要素からなるプロトコル Π_AsyncLS を構成し、各実装が想定する実行・信頼条件のもとで理想サービスを実現することを証明しています。ORDI の対話型支払いと取引順序付けの上の実行層を例として示しています。
説明MIKE：高速かつコンパクトな耐量子型非対話型鍵交換
要約本論文は、耐量子型の NIKE（非対話型鍵交換）方式である MIKE（Module Isogeny Key Exchange）を提案しています。その安全性は、超特異楕円曲線上のランク 2 のエルミート加群作用に関する CDH 問題に基づいています。NIST レベル 1 において、MIKE の公開鍵は 80 バイトと非常にコンパクトであると述べられています。定数時間 C 実装を用いた場合、3.3GHz の AMD CPU 上で鍵生成は約 0.65 ミリ秒、共有秘密の計算（鍵検証を含む）は約 4.9 ミリ秒とされています。
説明NSL-KDDにおける不均衡侵入検出のためのFocal Loss付き系統的最適化CNN-Transformer
要約本論文は、NSL-KDDデータセットで極めて稀なR2L・U2R攻撃の検出に取り組む、CNN-Transformerに基づく説明可能な侵入検知フレームワークを提案します。特徴量選択にXGBoost、少数クラス学習にFocal Lossを用い、アブレーション実験では調整したFocal Lossだけで十分な効果が得られ、SMOTEの追加は適合率を下げることが示されています。最終モデルはテストデータで98.73%の正解率を達成し、R2LとU2RのF1スコアはそれぞれ84.63%と69.66%です。さらにSHAP分析により予測の解釈とU2Rの適合率が低い理由を検討しています。
説明ASCENT：安全性と有用性を同時に高める一次最適ファインチューニングと再較正手法
要約本論文は、大規模言語モデルの下流タスク向けファインチューニングにおいて、有用性を高めつつ安全性も保つASCENTという枠組みを提案している。安全性をモデルパラメータの関数とみなし、一次近似を用いて、安全性に最も影響する低ランク成分による更新を周期的な較正に用いる。実験では、複数のモデル系列と下流タスクで、有用性が最大20.3%向上し、攻撃成功率が最大35.5%低下したと報告されている。
説明Truffle：解析応用に向けた悪意ある攻撃に耐える三者シャッフルプロトコル
要約本論文は、一台の能動的攻撃者に対して安全な三者シャッフルプロトコル Truffle を提案しています。シャッフルは、置換と元データの両方を常に秘密分散したまま、リストに置換を適用する処理です。Truffle の償却ラウンド数は半正直モデルの最先端プロトコルと同等で、通信オーバーヘッドは劣線形です。実装とベンチマークにより、実アプリケーションのデータを扱える性能であることが示されています。
注目点半正直モデルの最先端プロトコルと同等の償却ラウンド数を初めて達成した悪意ある安全な3者シャッフルを提案し、新規の分散検証者ゼロ知識証明を導入。実装とベンチマークで実用性を示し、MPCの一分野に影響。
説明事業者側 5G/O-RAN プロファイルのプライバシー状態の定量化
要約本論文は、事業者側の 5G/O-RAN ネットワークプロファイルを匿名化した後も、再識別リスクがどの程度残るかを検討しています。k-匿名性、l-多様性、t-近接性を組み合わせた総合プライバシー指数（PPI）を提案し、社内 PCAP データと公開データセット 5GAD で八つの変換構成を比較しています。単なる仮名化では再識別リスクは変わらず、準識別子の一般化によって実質的な改善が得られる一方、抑制を多用すると少数クラスの再現率が低下することが示されています。著者は、この指数はセキュリティ上の上限ではなく、規制当局向けの要約として読むべきだとしています。
説明Rust の高速化はどこから来るのか：スライディングウィンドウ型脅威スコアラーにおける言語とアルゴリズムの影響
要約本論文は、SentinelSphere プラットフォームの交通信号計算器を模した滑動窓の脅威スコアラーについて、Python 版 3 種と Rust 版 2 種を比較した研究です。五つの実装は同一のスコアを出力することがチェックサムで確認されています。言語の置き換えだけでは約 4 〜 29 倍の速度向上にとどまり、窓の再走査を増分更新に変えると、バースト条件では 11,000 倍を超える寄与がありました。そのため、セキュリティツールの性能を報告する際は、言語とアルゴリズムの寄与を分けて示すべきだと結論づけています。
説明「PoP! Goes the VOLE」：KEM証明書向けの、より短い所有証明
要約本論文は、耐量子暗号への移行を支えるため、KEM（鍵カプセル化機構）ベースの証明書発行における所有証明（PoP）の方式を比較する研究です。著者らは、NIST が標準化候補に選んだ符号ベースの HQC 向けに、VOLE-in-the-Head 方式による非対話型の所有証明を提案・実装しています。ACME プロトコルで Kyber や FrodoKEM の方式と比較した結果、HQC 方式は標準への準拠と互換性を保ちつつ、証明サイズがより小さいことが示されています。
説明「一つの嘘を百の真実に埋もれさせない」：協調知覚のための選択的ベイズ信頼推定器
要約本論文は、コネクテッド車両の協調知覚において、悪意ある協力者が安全上重要な物体を一つだけ隠したり、存在しない物体を注入したりする問題を扱います。提案手法SABERは二層構造で、まず累積和検定により持続的な欠落や根拠のない報告を示すエージェントと物体の組を選び、他のエージェントの証拠と照合して個別のベイズ状態を維持します。最も低いスコアがエージェントの信頼度を制約し、無関係な正しい報告による攻撃証拠の希釈を防ぎます。OPV2V上の評価では、既存の防御手法に比べて攻撃検出を改善し、良性の誤検出率を下げたと報告されています。
説明EUサイバーレジリエンス法に向けたAI強化型SIEMの準備：実務者によるケーススタディ
要約本論文は、AI強化型セキュリティ監視製品SEUXDRを対象に、オープンソースのCYBERFORTプラットフォーム上でEUサイバーレジリエンス法（CRA）への準備を試行したパイロット研究を記録している。範囲の定義と分類、資産登録、証跡の作成、CRAへの対応付け、ギャップと対策の分析、監査パックという6ステップの再現可能な手順と、2つのエンドツーエンドの追跡経路を提示する。実務者がCRAの法文を、インシデント対応、脆弱性報告、適合性評価の実務的な準備に落とし込むための出発点を示している。
説明医療用インプラント向け、NFCアウトオブバンドを用いた耐量子BLEペアリング方式（プラグアンドプレイ型）
要約インプラント型医療機器は表示部や入力部を持たないため、一般的な中間者攻撃耐性のあるBluetooth Low Energy（BLE）ペアリング方式を使いにくいという課題に対し、本論文は近距離無線通信（NFC）を用いたアウトオブバンド方式の軽量なペアリングプロトコルを提案しています。ポスト量子鍵カプセル化機構をNFCチャネル上だけで実行し、共有秘密鍵をNFCで送信しないとしています。BLEプロトコルスタックの変更は不要です。試作機による評価では、想定した利用モデルにおいて、中間者攻撃に脆弱なJust Worksと比べ、Kyber-1024およびFireSABERの予測バッテリー寿命の低下はいずれも0.57%未満だったとされています。
説明増幅効果：多枠組みGRC自己評価におけるAI提案の相関と自動伝播に伴う人的リスク
要約本論文は、多枠組みのGRC（ガバナンス・リスク・コンプライアンス）プラットフォームで、AIが提案する質問の相関や回答の自動伝播が、一つの回答に含まれる人的バイアスを増幅し、複数の義務の証拠として扱われうる仕組みを分析しています。著者らは六次元の評価枠組みを提案し、13の工具を構造的な設計評価で比較しています。利用者の行動を実測したものではなく、測定手順も示しています。
説明ランサムウェア被害軽減のためのリアルタイムバックアップ契機の設計と評価（ファイルのライフサイクルに基づく）
要約ランサムウェアは攻撃開始から検知までの間もファイルを暗号化し続けるため、ファイルが変更される前に保存するリアルタイムバックアップが被害の軽減に有効とされています。従来のROFBS（Real-Time Open-File Backup System）は主にファイルを開く操作でバックアップを作成しました。本研究はファイルのライフサイクルの観点から、開く、読む、書く、名前を変えるの4つの時点を比較し、XFS上の試作システムと5種類のランサムウェア検体で評価しています。
説明ハッシュチェーンとブロック単位の強制剪定によるより短い少数回署名
要約SLH-DSAはSPHINCS+に基づく標準化されたステートレスなハッシュ署名方式ですが、署名サイズが大きいという課題があります。本論文は、子リーフの秘密値を短いハッシュチェーンに置き換え、座標ブロックごとに独立した認証予算を割り当てるBPORS-C+BFPを提案します。超木と一回署名のパラメータを固定してFORSを置き換えた場合、6つの標準設定で完全な署名サイズを8.3%から18.1%削減し、BPORS+FPの3.7%から13.4%を上回りました。
説明PairSwitch：Gentry–Lee行列全準同型暗号向けの効率的なGalois対鍵切替
要約Gentry と Lee が提案した行列型全準同型暗号では、BigSwitch と呼ばれる処理が鍵材料の大部分を占めます。本論文は鍵数を減らすペアマージ型 BigSwitch と公開鍵リベースの手法を提案します。Park らのパラメータでは、TFB より約1.9倍、元の BigSwitch より約1.3倍高速と報告されています。
説明市販のCortex-Mマイコンで実装する、高速かつ実装攻撃に強いRBLWE暗号
要約本論文は、ARM Cortex-M33マイコン上で環二元学習誤差（RBLWE）に基づく耐量子暗号を実装したものです。4つの8ビット係数を32ビットレジスタにまとめてSIMD風命令で処理することで、スカラー版の基準実装と比べて鍵生成・暗号化・復号で約3〜4倍の高速化を得ています。さらに、定数時間実行、故障対策、Fujisaki-Okamoto型のCCA2変換、一次マスキング復号などの対策を段階的に加え、それぞれのコストを個別に示し、タイミング試験や故障注入、TVLAによって効果を検証しています。
説明複数パラメータのビット反転摂動に対するニューラルネットワーク検証の研究
要約ハードウェア障害により量子化ニューラルネットワークの重みのビットが反転し、予測結果に影響するおそれがあります。本論文では、組み合わせを列挙せずに複数パラメータの同時ビット反転に対する頑健性を証明する検証フレームワークmBFVを提案し、分岐限定法で境界をさらに絞り込みます。625件の実験で、mBFVは293件を検証し、従来の単一パラメータ検証器（38件）や厳密な混合整数線形計画法のベースライン（0件）を大きく上回りました。115万パラメータのネットワークで最大4つのパラメータの同時反転を検証できることも示されています。
説明SCSM：転移可能なウェブサイトフィンガープリンティングのためのトラフィックネイティブ基盤モデル
要約ウェブサイトフィンガープリンティングは、暗号化された通信のメタデータから利用者が訪れたサイトを推定する技術です。固定条件で学習したモデルは、サイト集合、採取時期、ネットワーク経路、ブラウザ、防御策が変わると性能が低下することがあります。本論文は、ラベルのないトラフィックデータに対し分割・組み合わせ・スケーリング・マスキングで事前学習ビューを作り、対比学習で状態空間エンコーダを事前学習するSCSMを提案します。少数のラベル付きデータで微調整を行い、GTT23の6つの時間ドリフトタスクで平均top-3精度が最強の基準手法より16.4%高く、4つのクロスドメインデータセットで平均マクロF1が13.8%高かったと報告しています。
注目点トラフィック固有の自己教師あり事前学習と状態空間エンコーダを提案し、時間ドリフトと領域横断タスクで強いベースラインを上回る。
説明CredLeakBench：LLMエージェントにおける認証情報の漏えいと回復の評価
要約本論文は、フィッシングや本人確認に直面したときに、LLMエージェントが安全かつ有効に作業を自動化できるかを測るベンチマーク CredLeak-Bench を提案します。評価はサンドボックス環境で行われ、漏えいは実際に送信された情報で測定されます。その結果、受測したすべてのモデルで漏えいが見られ、漏えいを減らす対策の多くは正当なタスクの性能も下げることが示されました。
説明応答の周辺分布では捉えられない、機能的バックドア復元のクエリ複雑性
要約本論文は機能的バックドア復元を研究しており、予測クラスラベルのみが返される条件で、攻撃成功率が所定の閾値以上となる任意のトリガーを見つけるのに必要な最小クエリ数を扱います。著者らは、攻撃成功率と各クエリで返されるラベル分布が完全に一致するが、最適な適応的クエリ複雑性がΘ(log H)とΘ(H)で異なる二つの被害モデル族を構成しました（Hは可能な被害モデルの数）。フィードバックを二値（目標ラベルが返されたかどうか）に縮約すると、この差は消えることも示しています。さらにCIFAR-10のResNet-18分類器で予測された最適クエリ予算を検証しています。
説明K-LMS：韓国の暗号プリミティブを用いた Leighton–Micali 署名の設計・実装・評価
要約ハッシュベースの耐量子署名方式 LMS について、ハッシュ関数のみを韓国の暗号プリミティブに置き換えた実験的バリアント K-LMS を設計・実装しました。置き換えには LSH-256 と、CHAM・LEA・ARIA ブロック暗号に基づく Tandem-DM 構成が使われています。同一ホスト上で SHA-256 基準の LMS や既存の K-XMSS 実装と比較した結果、鍵と署名のサイズは変わらず、公平なソフトウェア基準では LSH-256 版の署名性能は SHA-256 版と同等でした。あわせて、ベンチマーク結果を歪める測定上の落とし穴も示されています。
説明ステートレス復旧はビザンチン定足数の安全性を破りうるか？単一ステップBFTの厳密な正規形
要約本論文は、復旧時に協定状態を失っても身元と署名鍵を保持する副本が、以前の投票を忘れてしまう場合を検討する。少なくともq個の副本からの一致した署名付き投票で形成される証明書を分析し、2つの矛盾する証明書の重なりとその余剰を、4つの非負の数に分解できることを示している。n=3f+1、q=2f+1、正しい副本の復旧が1回だけの条件では、矛盾する組には必ずちょうどf個のビザンチン副本が必要となる。さらに、この形を達成する最小のプロトコルを示し、署名公開前に永続的な投票記録を書き込めば矛盾を防げることを説明している。
説明複数ISA向けF2[x]乗算のための動的計画法によるスケジュール選択
要約本論文は、F2[x]上の再帰的多項式乗算を、動的計画法を用いたスケジュール選択問題として定式化しています。命令セットごとの基本演算コストのプロファイルに基づき分解方式を選びます。x86-64、ARM64、RISC-V64、RP2040で評価され、gf2xに対する幾何平均の高速化やHQC・BIKEでの端末間の高速化が報告されています。
説明モデル自身がトリガーを仕込む：多ターン大規模言語モデルへの回答側バックドア攻撃
要約本論文は新しいバックドア攻撃を提案します。攻撃者は入力にトリガーを挿入せず、無害な第一ターンの指示によってモデルに一見無害な特定の語を生成させます。その語が対話履歴に入ると、後の有害な質問に対してモデルが安全拒否を回避するとされています。4つのLLMで攻撃成功率はほぼ100%、汚染率はわずか5%に達し、主流の入力側防御も回避できると報告されています。
注目点入力に依存しないマルチターン対話の回答側バックドアを提案し、モデル自身が生成するトリガーで入力側防御を回避する点が新しい。四モデルと表現分析で検証。
説明抽出・増幅・測定：片側かつ緊密なO2H定理と量子ランダムオラクルモデルにおけるCCA安全性への応用
要約本論文は、量子ランダムオラクルモデルにおける再プログラミング解析に用いられるO2H定理を改良し、片側版と両側版のEAM-O2H定理を提案している。片側版は既知の最も緊密な上界と同じくO(√q·ε)を達成するが、元のまたは再プログラミング後のランダムオラクルの一方にアクセスするだけでよい。両側版はq依存の損失を除き、O(ε)の緊密な上界を得る。これをFujisaki–Okamoto系の変種のCCA安全性の再検討に応用し、帰着の損失を改善している。
注目点片側版と無駄のない両側版のEAM-O2H定理を提示し、q依存の損失を除いてFO変種のQROM安全性帰着を改善する理論的進展である。
説明パーセプトロンで微細アーキテクチャ攻撃の不変的痕跡を検出するPerSpectron
要約本論文は、ハードウェア検出器PerSpectronを提案します。パーセプトロン学習を用い、相関する微細アーキテクチャ統計情報から、Spectre、Meltdown、Flush+Reloadなどの微細アーキテクチャ攻撃を検出・分類し、データ漏えいの前に検知することを目指しています。検出器はプロセッサの重要経路の外で動作し、性能オーバーヘッドは小さいとされています。
説明適応的モデル反転攻撃が示すプライバシーと頑健性のトレードオフ
要約本論文は、高解像度のモデル反転攻撃（MIA）の標準的な評価では、訓練データのプライバシー漏えいが過小評価されていることを示します。攻撃を単純に適応させると、FaceScrubデータセット上で、最新の防御手法、MixUp、敵対的学習、防御なしのモデルのいずれも、訓練画像の漏えい率が1.16〜6.59倍に高まりました。さらに、再構成画像を評価する分類器の特徴量によって漏えい量の測定結果が変わることや、再構成による漏えいが敵対的頑健性と密接に関連することを報告しています。
説明ルールが終わり裁判官が始まる場所：マルチエージェントシステムのセキュリティにおける判断境界の測定
要約本論文は、大規模言語モデルに基づくマルチエージェントシステムが敵対的な内容に直面した際の防御を扱います。著者らはDEFER1（決定的検査を優先し、残りを判断に委ねる枠組み）を提案し、28段階の検査で遮断できるものを先に処理し、残りを4名の判定者パネルに回します。四つの領域での独立テストでは、攻撃成功率が約30.0%から約3.0%に低下し、遮断された攻撃の78%は決定的検査で処理されました。
説明SkillPoison：成功体験を通じて段階的にスキルを汚染する手法
要約自己改善型のLLMエージェントは、成功体験を再利用可能なスキルとして蓄積します。本論文は、個々には悪意のない検証済みの成功体験だけで、スキルの汚染が起こり得ることを示す手法SkillPoisonを提案しています。悪意ある内容を注入する代わりに、スキル抽出器の一般化の仕方に影響を与えます。3つのベンチマークでの実験では攻撃成功率は95.71%でした。
注目点誤りのない成功経験からスキルを段階的に汚染する新しい発想で、悪意ある内容を注入せず、三つのベンチマークで95.71%の攻撃成功率を示し、自己改善型エージェントに実害を与え得る。
説明HarnessSecurity-Bench：コーディングエージェントのセキュリティ機構は本当に保護できるのか？
要約本研究は、オープンソースおよびクローズドソースのコーディングエージェント・ハーネスのセキュリティ機構を初めて体系的に調査しました。10種類の機構分類を導出し、400の組み合わせを評価した結果、確認された機構の約半数はオプトインであり、クローズドソースでは証拠の不足が目立つことが分かりました。23タスク・5つの攻撃面からなるベンチマークで6つのハーネスの9機構を2,500回試験し、自動承認を有効にすると攻撃成功率が29.2%から95.6%に上昇することを示しました。提供者にはセキュリティ設定の検証可能性と、タスク効用・実行コストとあわせた攻撃効果の評価を求めています。
注目点コーディングエージェントのセキュリティ機構を初めて体系的に評価し、23タスクのベンチマークと2,500回の試行で実証しており、実務への影響が大きい。
説明市販のスマート照明を使った可視光の隠れた通信路の研究
要約この論文は、一般的なスマートLED電球が人に気づかれにくい色や明るさの微小な変化で、データを送れるかを検証しています。改造していない飞利浦WiZ A19電球とカメラを用いて実験を行いました。色による方式では色差E=0.5で短いメッセージ「hi」の送信に成功し、明るさによる方式では平均ビット精度96.2%で復号できました。
説明エッジ・フォグ・クラウド構成における機械学習ベースIoT侵入検知の導入可能性を評価するフレームワーク
要約本論文は、IoT環境における侵入検知について、導入条件を考慮した定量的分析手法を提示し、機械学習手法をエッジ、フォグ/ゲートウェイ、クラウドの各アーキテクチャに対して比較しています。計算需要、メモリ使用量、遅延への感度に基づく重み付け順序尺度により、各手法をどの層に適するかを示す導入可行性スコア（DFS）モデルを導入しています。分析では、軽量な統計・線形モデルはエッジに、アンサンブルとクラスタリング手法はフォグ/ゲートウェイに、深層学習と最適化ベースのモデルはクラウドに適するとしています。
説明CISB-Bench：コンパイラが持ち込むセキュリティバグの監査可能なソース–IRデータセット
要約本論文は、GCCとLLVMから収集した429件の正確なCプログラムからなる監査可能なデータセット CISB-Bench を提案します。各事例には、縮約されたCテスト、-O0〜-O3 の標準化されたLLVM IR解析バンドル、公開された出所情報、最終的な二値ラベル、主要なメカニズムまたは境界の注釈が含まれます。2名の査読者による一致率は86.0%（Cohenのκ=0.662）で、不一致の60件は裁定されました。最終的に280件のCISBと149件の困難な非CISB事例からなり、コンパイラセキュリティの研究に再利用可能な評価対象を提供します。
説明CheckerBench：長期タスクのエージェントは静的解析チェッカーを作成できるか
要約本論文は、297 件の CVE に由来する 300 件の実行可能タスクからなるベンチマーク CheckerBench を提案します。対象は 167 リポジトリ、85 種の CWE、5 つの言語エコシステムにまたがります。各タスクには脆弱版と修正版のリビジョン、固定された解析環境、チェッカーの雛形が含まれます。評価フレームワーク CheckerLab も提案され、脆弱版と修正版の診断差、パッチの位置特定、誤検知、ツール利用を測定します。21 のモデルとハーネスの組み合わせで平均 Pass@1 は 32.30%、最良は 45.33% でした。現在のコーディングエージェントにとって、信頼性が高く再利用可能なチェッカー開発は依然として難しいことが示されています。
説明暗黙知（ダークナレッジ）由来のモデル非依存な潜在安全信号による大規模言語モデルの保護（LADE手法）
要約本論文は、大規模言語モデルへの脱獄攻撃に対する防御手法LADEを提案します。最初のトークンの出力確率分布に含まれる暗黙知を用い、有害な問い合わせと無害な問い合わせを比較して潜在的な安全信号を抽出します。この信号は異なるモデル間で一貫して現れるとされ、信号抽出、トークナイザ間のマッピング、kNNによる分類の3要素で構成されます。複数のモデルとベンチマークで攻撃成功率を下げ、安全性と有用性のバランスを保つと報告しています。
説明CKKSにおける低遅延の並列桁分解と符号評価
要約本論文は、CKKS同型暗号で符号・比較・ReLUなどの非線形関数を多項式で近似することの難しさに対し、基数Bの桁で入力を表す方法を提案しています。一度のブートストラッピングで全桁を並列に求め、キャリー先読み（carry look-ahead）で繰り上がりを補正します。これにより、約2^-p 離れた入力を Θ(p) ビットのモジュラス消費で区別できます。ベンチマークでは、基数64の10桁分解で2.04倍、1024組の実数入力対（2^-60 間隔）の符号評価で7.83倍の高速化が示されています。
注目点単一ブートストラッピングで全桁を並列抽出し、繰り上がりをO(log u)深さで補正してCKKSの符号計算を高速化；ベンチマークで既存手法に対し明確な高速化を示す。
説明子どもが表現した内容とは限らない：子ども向けAIにおける手話からテキストへの安全インターフェースの監査
要約本論文は、子どもが手話翻訳を通じて文字を入力すると、その文章が未成年アカウントのフィルタリングや接触誘導の検出といった安全機能によって判断されるが、両者を共同で評価した公開システムは見当たらないと指摘する。また、主要な手話翻訳モデルは18歳未満の手話使用者で訓練・正式評価されていないとしている。ろう者の知見を取り入れた事前監査の枠組みとして、誤り分類、匿名化したシナリオ構造、4つの比較条件、4つの評価指標を提案し、オーストラリア手話（Auslan）を最初の事例研究とする。
説明有害なSFTがLLMチェックポイント更新に残す連続的な痕跡
要約本論文は、モデルを実行せず、チェックポイントの重み更新だけから事後学習済み大規模言語モデルの安全性を監査できるかを検討しています。有害な応答を学習させる教師ありファインチューニングが、更新空間に目的に依存した連続的な順序を生じさせることを示し、その座標に基づく重みのみの監査手法TRACEを提案しています。著者らは、この痕跡が様々な条件で安定し、独立に測定された攻撃成功率と正の関連を持つと報告しています。
注目点重み更新のみから有害目的を監査する信号を提案し、4つの7-8Bモデルと対照実験でSpearman相関0.986-0.992を示し、新規性が高い。
説明LLMエージェントの事後学習におけるバックドアの持続性の理解と強化
要約本論文は、攻撃者が特定の入力パターンで悪意ある出力を生成する隠れた挙動（バックドア）を備えたモデルを提供するサプライチェーン上の脅威を研究しています。ソフトウェア工学エージェントを対象に、開発者の教師ありファインチューニング（SFT）および後続のタスクレベル強化学習（RL）後にもバックドアが残るかを検証しています。良性のSFTで攻撃成功率は大きく下がるものの、その後のRLは残存する挙動を維持し、場合によっては攻撃成功率をさらに高めることが示されています。提案手法PersistBDにより、Qwen2.5-Coder-7Bで攻撃成功率はSFT後に20%から74%、SFT-RL後に20%から76%へ向上し、良性タスクの性能はほぼ同等に保たれています。
説明車載ネットワークの二重侵入検知：車内CANバスのリアルタイム防御のための協調設計
要約本論文は、教師あり学習による量子化LSTM（QLSTM-IDS）でDoS・ファジング・なりすまし等の既知の攻撃を、教師なしの8ビット量子化畳み込みオートエンコーダ（QCAE-IDS）で未知の異常を検出する二重IDSフレームワークを提案している。両モデルは同一のFPGA（ZCU104）上で動作する。QLSTM-IDSはメッセージあたり推論遅延0.25ミリ秒、消費エネルギー0.8ミリジュール、QCAE-IDSはブロックあたり0.42ミリ秒、1.1ミリジュールと報告されている。
説明消費電力は秘密裏の計算を制限できるか？AIガバナンスにおけるアナログ検証の限界
要約本論文は、チップ外部の消費電力測定によって、AIの計算量が合意どおりかを検証できるかを調べています。電力波形では排除できない最大の隠れた計算量を、申告された機械能力に対する割合として閉形式で導出し、NVIDIA A100 GPUで測定しています。電力測定だけでは制約力は弱く、検証者が申告作業を再実行できるという追加の制限を置くと、制約力が大きく高まると示しています。
注目点消費電力が隠せる計算量の閉形式の上限を導出し、AI統治の検証における模擬測定の能力を定量化する点が新しい。実験はA100に限られる。
説明エッジ機器に配備された侵入検知システムを回避する敵対的強化学習によるポートスキャン研究
要約本論文は、Raspberry Pi 3B+上に配備された機械学習ベースの侵入検知システム（IDS）を、適応型攻撃者がどの程度回避できるかを検証しています。TON_IoTのデータで学習したXGBoost、多層パーセプトロン、1次元畳み込みニューラルネットワークを対象に、深層Q網络（DQN）の攻撃者が黑箱・灰箱・白箱の3条件で回避手法を学習しました。従来型のポートスキャンは91.1〜99.8%で検知されたものの、最終50エピソードの回避率は61.9〜98.3%に達し、特徴量の可視性の効果はモデルによって異なることが示されました。
説明NetAgent：実用的なマルチタスク型エージェント・ネットワークトラフィック分析
要約本論文は、マルチタスクのネットワークトラフィック分析を対象とした初のエージェント型フレームワーク NetAgent を提案します。タスク別の学習を行わず、タスクの理解、分解と編成、長期的な分析を実行できます。知識を取り入れたワークフロー計画、150 以上の検証済みツール、統一コード実行空間、三層メモリ、サンドボックスと実行時修復を備えています。9 つの主要ベンチマークで、未知のトラフィック分布に対する F1 は 90.04% に達し、現実的な背景トラフィックの変化下でも F1 の低下は 4.85 ポイントにとどまり、比較対象の基準手法を上回ります。
説明小指数ハッシュに基づく単純な極端有損関数（小さな指数のハッシュから作る、簡潔な極端有損関数）
要約本論文は、既知のあらゆる極端有損関数（ELF）の変種を含む、より強い原始的概念である極端有損トラップドアハッシュ（ELTDH）を提案します。この構成は固定サイズの攻撃者にしか安全でない方式からの段階的な構築を必要とせず、一度に実現されるため、既存のELFより単純で効率的です。仮定は、小さな指数の離散対数の指数的安全性と、判定型合成剰余性（DCR）の多項式的安全性です。
説明クラウド環境における解釈可能なIAMポリシーリスク評価に対する行動コンテキストの有用性の検証
要約本論文は、ポリシーと実効的な権限情報に加えて、行動や環境のコンテキストがIAMポリシーのリスク優先順位付けに測定可能な増分価値をもたらすかを検証しています。AWSの実環境で得られた534件の観測からなるベンチマークを用い、ポリシーのみ、ポリシーと環境、CloudTrailの行動データを含む全コンテキストの3つの解釈可能なモデルを比較しています。全コンテキストのモデルは、同一ポリシーでの対照事例において良性と不審な行動を区別できたと報告されています。
説明重みオラクル：言語モデルでニューラルネットワークの重みを読む
要約本論文は、微調整された言語モデル「重みオラクル」を提案し、入力を与えず目標ネットワークの生の重みを直接読んで性質を診断する手法を示す。第一段階では、小型Transformerの重みから順伝播を模倣する説明モデルが、未知の対象で99%のホールドアウト精度を達成することを確かめた。第二段階では、良性の異常のみで学習し、訓練に含まれないバックドアに対してゼロショットで評価し、注意機構経由のバックドアでAUROC 0.93、多様な脅威分布で0.81を得た。実際のモデル規模への拡張は依然として主要な未解決課題とされている。
説明ATLAS-AL：能動学習による潜在的敵対的探索のための適応的信頼領域
要約本論文は、ブラックボックス型学習システムに対する敵対的入力の集合を発見するクエリベースのフレームワーク ATLAS を提案する。攻撃生成を能動学習におけるレベルセット推定問題として扱い、敵対的事例を含む入力空間の領域を局所・大域サンプリングで探索する。玩具実験およびMNIST、CIFAR、ImageNetのモデルで、限られたクエリ予算の下でNES、SignHunter、BayesOptより代表性の高い攻撃集合が得られたと報告している。継続的な堅牢性監査にも使えるとされる。
説明サンドボックスから実行まで：重要インフラ向けの信頼度付き脅威インテリジェンス
要約本論文は、マルウェア・サンドボックス（CAPEv2）の出力をSTIX 2.1形式に変換し、他の重要インフラ用センサーのデータとナレッジグラフで関連付けるCG-CTIパイプラインを提案しています。各インテリジェンス対象には、出所、相互確認、観測の持続性から導かれる信頼状態が付与され、相互確認済みのものだけが自動実行の対象になります。また、根拠に基づく言語モデルが結果を説明し、裏付けのない記述は除去されます。本システムはCYBERGUARDプロジェクトで実装され、ラベル付きマルウェアコーパスで評価されています。
説明Polar：大規模言語モデルによる実世界のサイバー証拠の統合で優先度付けと緩和を支援
要約本論文は、ベンダーのアドバイザリ、脆弱性データベース、脅威インテリジェンスに分散した証拠を統合し、優先度付けと緩和のための脅威中心の評価を作成する大規模言語モデル基盤のフレームワーク POLAR を提案します。重複するインシデントを分離して各脅威を出典付きの証拠に結び付け、時系列順の悪用シグナルと組み合わせて近い将来の悪用可能性を推定します。公開資源から収集した実世界の脆弱性証拠で評価され、複数のベースラインと比べて脅威のランキングと緩和策の検索を改善したと報告されています。
説明重要エッジIoTインフラの安全監視のための耐障害型ランタイム検証基盤（RV-Fabric）
要約本論文は、ランタイム検証パイプラインのための耐障害型データ配信層RV-Fabricを提案します。MQTTと永続ストリームブローカーを組み合わせ、クラッシュ、クロックずれ、ネットワーク沈黙、消費者の過負荷があっても事件を確実に届けることを目指しています。各検証結果には証拠の完全性状態（sound、degraded、incomplete、unavailable）が付与されます。制御された障害注入実験では、共有ログ方式の基準が7件中6件を見逃したのに対し、RV-Fabricは7件すべてを保持しました。水道SCADAおよびIoT/IIoTの公開データセットで再現が行われています。
説明SAFESHIELD：小規模言語モデルの配備時安全性のための決定組織フレームワーク
要約本論文は、配備時の安全性を、安全判断を責任単位に分解し、それらの間の調整を明示する決定組織の問題として定式化しています。これに基づき、受理、ルーティング、根拠、公開の4つの決定責任を組織し、確定した判断を監査可能な決定トレースに記録するシステムSAFESHIELDを提案しています。実験では、受理ゲートを除くと誤公開が大きく増え、上流の根拠を公開判断から切り離すと公開精度が96.0%から69.5%に低下することが示されています。
説明系列レベルのアクセス制御を実現する、系譜（リネージ）認識型メモリガバナンス：企業向けAIエージェントのための導出ゲート型フレームワーク
要約複数の部署でメモリを共有する企業向けAIエージェントには、適法に計算された結果を通じて機密データが漏えいするリスクと、部署ごとに同名の指標（KPI）が異なるロジックで計算されるリスクがあると指摘しています。著者らは、各キャッシュ結果に完全な導出（リネージ）グラフを付与した「分析メモリユニット（AMU）」を提案し、要求者が結果に関わる全列へのアクセス権を持つ場合にのみキャッシュを返す仕組みを示しています。系譜の記録が完全であれば、権限外の結果の検索を構造的に防げるとしています。実験では部署間の情報漏えいが解消され、メモリの再利用率は約81.5〜82.6%を維持したと報告されています。
説明エージェントの実行トレースに基づく敵対的な振る舞いの効率的な監査
要約本論文は、大規模言語モデル（LLM）エージェントの有害な振る舞いを検出する二段階の監査フレームワークを提案します。第一段階では規則に基づいて検査対象の動作を選別し、第二段階ではLLM監査エージェントが実行前に、選ばれた動作を先行するトレースの文脈の中で確認します。ゲート規則と監査指示は訓練データで共同改良されます。OpenAgentSafetyベンチマークでは、実行あたりの平均LLM監査回数が8.15から2.33に減少し、検出率は72.8%で、全動作を監査した場合の81.5%に近い結果でした。
説明Pauli誤差の組成が会議鍵合意における多者間優位性を決める
要約本論文は、GHZ状態に基づく会議鍵合意と、ペアごとのBB84プロトコルの多者間での優位性を比較研究しています。N=3、4、5について、位相緩和、振幅減衰、脱分極の各雑音のもとで両プロトコルを厳密にシミュレーションした結果、優位性が切り替わる境界は信道の種類ではなくPauli誤差の組成によって決まることが示されています。任意の各当事者のPauli雑音に対する閉形式の速度式も導出されています。
説明プロンプトレベル差分プライバシー下での報酬駆動型学習
要約本論文は、検証可能な報酬による強化学習（RLVR）において、学習に用いられる問題の秘匿性を守る手法を研究しています。学習済みモデルの重みが、いずれか一つの学習問題の有無について差分プライバシーを満たすことを目指し、一つのプロンプトに対する回答群を単位として勾配を集約・クリッピングし、ガウスノイズを加えます。Qwen2.5-1.5B-InstructをLoRAで学習した結果、同じ予算下で二つの私的教師あり微調整手法を上回り、非私的GRPOの利得の85〜90%を保持したと報告されています。
説明小指数ハッシュに基づく単純な極度損失関数
要約極度損失関数（ELF）は、ランダムオラクルの有用な性質の多くを捉える標準的なモデルの基本要素である。これまでの構成はいずれも指数的困難性のDDH（またはk-Lin）仮定に依拠し、固定サイズの敵対者に対してのみ安全なELFの列からブートストラップしていた。本論文は、既存のすべてのELFの変種を含むより強い概念である極度損失トラップドアハッシュ（ELTDH）を提案・構成する。この構成はブートストラップなしで一度にELTDHを実現し、既存のELFより単純で効率的である。
説明TranScope：ソフトウェアが隠す LLM 学習データの情報をハードウェアが大規模に明らかにし、アクセラレータがそれを増幅する
要約本論文は、大規模言語モデルとビジョントランスフォーマーが統合アクセラレータを含む現代のマイクロアーキテクチャとどのように相互作用するかを、サイクルレベルで初めて調べています。入力依存の分岐や動的最適化がなくても、モデルの学習データがその実行痕跡に影響することを示し、TLB などがその効果を明らかにまたは増幅することを報告しています。さらに、その痕跡をもとに成員推論を検出する TranScope を提案し、従来の最良結果より高い AUC を示しています。
説明Littlestone クラスに対する差分プライバシー付きオンライン学習と予測：誤り上界の分離
要約本論文は、忘却型で実現可能な敵対者のもとでの差分プライバシー付きオンライン学習とオンライン予測の誤り上界を研究している。オンライン学習では各時刻で仮説を公開する必要があるのに対し、オンライン予測では仮説を公開せず予測のみを行えばよい。論文は、有限の Littlestone 次元をもつクラスについて、両者の標本複雑度が時間幅とともに増大する因子で分離されることを示している。
注目点私的オンライン学習の新たな下界と私的予測の上界を示し、両者の誤り数が時間に応じて分離することを理論的に証明している。
説明ランダムな埋め込み摂動によるオープンウェイトLLMのジェイルブレイク
要約本論文は、規模の異なる6種の一般的なオープンウェイトLLMが、JailbreakBenchベンチマーク上で有害または安全でない応答を生じさせる脆弱性を持つことを示しています。提案手法PEVは、プロンプトの埋め込みベクトルに独立したガウスノイズを加えて繰り返しサンプリングするもので、勾配計算やモデル内部の重みの変更を必要としません。実験では、最初の攻撃成功までの平均計算コストが従来手法より最大で一桁小さく、テストした全モデル・全プロンプトで不安全な応答が生成されたと報告されています。
説明ブラックホール放射の復号：Haar乱数オラクルモデルにおけるクエリ下界
要約本論文はHaar乱数オラクルモデルにおいて、残りのブラックホールに含まれる量子ビットがシステム全体の16分の1以下の場合に、ブラックホール放射から1量子ビットを復元するために必要なクエリ数の最適な下界を証明している。自明な復号に対して任意の定数のHaar平均優位性を得るには、残りのブラックホールのヒルベルト空間次元に比例するクエリが必要である。さらに、経路記録オラクルを用いて、効率的に準備可能で統計的には遠いが計算的には区別できない（EFI）状態対および量子コミットメントへの応用を示している。
注目点Haar乱数オラクルモデルで黑洞放射の復号に対する最適な問い合わせ下界を示し、既存の復号器と一致させた。証明は厳密で、量子暗号や計算複雑性理論に一定の影響がある。
説明量子サンプリングにおけるタイトな問い合わせ下界と、認証された乱数への応用
要約本論文は、ランダム回路サンプリング実験で用いられる線形交差エントロピーベンチマーク（XEB）の高いスコアが、信頼できない量子デバイスについて何を証明するのかを検討する。量子クエリモデルにおいて、正直なサンプラーの理想スコアが効率的なデバイスと認証された乱数に対するTsirelson境界として機能することを示す。理想スコアを定数分超えるにはΩ(N^{1/3})回のクエリが必要であり、この下界はタイトであると論じている。さらに出力のスムーズ最小エントロピーについても、ほぼ最適な下界を与えている。
注目点XEBの高スコアが機器に課す制約を示し、超過にはΩ(N^{1/3})の照会が必要で紧、認証乱数の近最適なエントロピー限界も与える。
説明差分プライバシー下で公開データセットを混合して事前学習し、プライベート学習を改善する研究
要約本論文は、特定の機密性の高い下流タスクに対し、複数の公開データセットの最適な混合比を差分プライバシーの下で学習する初のパイプラインを提案します。その中核は低次元の線形モデルをプライベートに学習することです。NIH ChestX-ray14でのX線分類では、基線と比べてマクロAUCが異なるプライバシー予算で最大0.037向上しました。ENRONメールデータセットの言語モデリングでは、基線の混合と比べてテスト困惑度が相対で16%低下しました。
説明AIは攻撃者と防御者のどちらを助けるか？非公開の脆弱性とその後の攻撃に関する実証研究
要約本研究は、未公開の5つのソフトウェア環境で、オープンウェイトおよびプロプライエタリなAIモデルの脆弱性悪用コード生成、脆弱性修復、その後の攻撃能力を評価しています。そこには、著者らが非公開で報告し、まだ修正されていない脆弱性も含まれます。採点は、LLMによる判定ではなく、研究者が開発・確認した決定論的な採点器で行われています。結果として、システムや脆弱性の種類によって大きな差があり、2つの環境では修復スコアが攻撃スコアを上回り、3つの環境では下回りました。また、初回のセキュリティテストに合格するだけでは不十分で、初回の攻撃を停止した後も、524の非独立な防御テスト区間のうち92で別の攻撃が成功しました。
説明FFTで中規模の整数を掛け算：大型の現代的なOoO ARM CPUでの交差点の探索と引き下げ
要約本論文は、大型の現代的なARMプロセッサにおいて、FFT系の乗算がいつ従来手法より速くなるかを調べています。Cortex-A76とNeoverse-N1での第1版の実装では、交差点はおよそ10kビット付近にあることが示されました。第2版では余分な縮約処理を除くことで、交差点を5.6kビット未満まで引き下げました。さらに、これらの乗算器をOpenSSLのRSAに組み込み、公開鍵演算でエンドツーエンドの高速化を得ています。
説明GCTAuto-encoder：IoTネットワークのセキュリティ欠陥検出のためのクロスモーダルフレームワーク
要約本論文は、エッジ端末で IoT ネットワークへの侵入やセキュリティ上の欠陥を検出するための、GCTAuto-encoder というクロスモーダル深層学習フレームワークを提案しています。クラウドベースの IoT 基盤と組み合わせて用いられます。複数の攻撃シナリオを含む IoT の侵入検知データセットで、正解率 0.908、学習損失 0.00156 を達成し、既存手法より優れていると報告されています。
説明Web攻撃ペイロードに対する大規模言語モデルの意味理解能力の評価
要約本論文は、既存研究がペイロード分析を単一層の分類課題として扱い、意味理解の深さを体系的に評価してこなかったと指摘します。著者らは240件のペイロードからなる四層構造の評価ベンチマーク「PayloadSemBench」を構築し、独立した180件のデータセットでも外部再評価を行いました。結果として、種類の識別と意図の理解は概ね良好である一方、深刻度の評価が主な弱点であること、難読化の影響はモデルや層によって異なること、意味理解と検知判断は部分的にしか連動しないことが示されています。
説明Terracotta：柔軟な DRAM インターフェースとメモリコントローラで新しい DRAM 技術の導入を容易にする研究
要約本論文は、DRAM ベンダーが標準化されたインターフェース内で新しいコマンドを定義できるカスタムコマンド拡張と、製造後にプログラムして新技術に対応できる可変メモリコントローラを組み合わせた Terracotta 框架を提案する。DDR5 ベースのシステムで 4 種類の DRAM 技術を評価し、カスタム実装の性能効果の 96% 以上を維持したと報告している。エネルギー、面積、電力のオーバーヘッドは小さいとされる。
注目点プログラム可能なメモリコントローラとカスタムコマンド拡張による統一フレームワークを提案し、4種のDRAM技術で定制実装の96%超の性能を確認した。
