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SEEK：安全なコード生成のためのエージェント型知識グラフ検索
要約大規模言語モデルは機能的に正しいコードを生成できますが、開発者がセキュリティ要件を明示しない場合、悪用可能な脆弱性を含むことがあります。本論文は、CWE分類体系を骨格とし実world のCVE修正事例を組み込んだ知識グラフを用いる、安全なコード生成のためのSEEKフレームワークを提案します。計画・グラフ絞り込み・選択の各エージェントにより関連知識を検索し、CodeGuard+とCyberSecEvalで既存手法を上回る結果を示しています。
説明認証情報システムにおける検閲耐性と EUDI ウォレットへの適用
要約プライバシー保護型の認証情報システムは提示段階のデータ保護に重点を置き、発行段階のプライバシー上の脅威を見落としがちです。本論文は、発行段階で悪意ある発行者から利用者を守るための検閲耐性セキュリティモデルを提案し、提示段階での選択的開示に適した、ブラインド署名に基づくラウンド最適な構成を示しています。また、欧州デジタルアイデンティティウォレット（EUDIW）に導入可能な実装 CRACS を提示しています。
注目点発行段階の検閲耐性という新しいセキュリティモデルと最適ラウンド構成を提案し、EUDIWへの適用を示すが、実証は限定的である。
説明StateSync-GKR：再利用可能なスパースGKR証明エンジンの設計と評価
要約本論文は、Rust で実装された再利用可能な sumcheck/GKR 証明コアと、スパース Merkle フロントエンドを備えた StateSync-GKR を紹介します。同一環境下で 1.2.0 版と 1.1 版を比較し、スパース層の縮約によって要求割り当てとピークメモリが大幅に抑えられることを示しています。1.2 版では証明バイト列と検証結果を変えずに証明スループットが向上し、99パーセンタイルの検証完了レイテンシが 440 ミリ秒から 34 ミリ秒に短縮されたと報告しています。高負荷での長時間安定性試験の結果も含まれます。
説明MetaCascade：メタデータのみの汚染によるエージェントスキルへのエンドツーエンド攻撃
要約本論文は、エージェントシステムにおけるサードパーティ製スキルの安全リスクを扱います。エージェントはスキルのメタデータに基づいて検索・選択を行いますが、既存研究は実行後の被害に主に注目してきました。著者らは、メタデータのみを汚染するエンドツーエンド攻撃フレームワーク MetaCascade を提案し、多視点の意味拡張で悪意あるスキル候補を生成し、タスクと黒箱の競合フィードバックを用いて悪意あるメタデータを反復的に最適化します。Hermes と OpenClaw の二つのエージェント、四つのデータセットで、既存の最強ベースラインを上回る攻撃性能を示しています。
説明KedgeFlow：企業向けAIエージェントのためのプログラマブル制御プレーン
要約本論文は、企業向けAIエージェントによる状態変更操作を統制するための、プログラミング言語に依存しない契約KedgeFlowを提案しています。信頼された制御器が具体的な操作に対する権限を発行し、ゲートウェイが独立して実行を強制することで、同一の許可は一度しか成功して消費されないよう設計されています。単一リソースでの評価では並行請求や境界テストが設計通りの結果を示しましたが、緩いポリシーでは望ましくない効果が許可されうること、分散予約や実際のターゲットでの厳密な一回実行などは未検証であることも明記されています。
説明署名付き軌跡と実行時検証で共有エージェントワークフローを無効化攻撃から守る
要約本論文は、大規模言語モデルベースのエージェントが共有するワークフローリポジトリが改ざんされると、下流のエージェントが誤導されるという問題を扱います。提案手法では、ワークフローの生成に使う軌跡を暗号学的に署名し、実行時には実際の実行経路に関連する署名付き軌跡のみを取得して検証します。実験では、保護がない場合の攻撃成功率は最大90.12%に達し、提案手法の平均F1スコアは85.26%、検出率は79.97%でした。
説明信頼はいつ役立つのか？フェデレーテッド侵入検知におけるバックドア防御の、リーク無しの評価
要約本論文は、フェデレーテッド侵入検知（FL-IDS）で、信頼できるルートデータセットを用いる防御手法を、投毒およびバックドア攻撃に対して再評価したものです。評価の偏りを除いたプロトコルを用い、3つのデータセットで複数シードの実験を行っています。防御は小さなトリガーに対してのみ有効で、攻撃者のトリガーが既知の場合にバックドアが抑制されることが示されています。著者は評価プロトコルを公開しています。
説明「Last Secure Code Benchmark」：バイブコーディングで書いたコードは安全か？
要約本論文は、AIコーディングエージェントが生成するコードのセキュリティを評価するベンチマーク「Last Secure Code Benchmark」を提案します。実在の脆弱性150件から作られた450のタスクが、7つの言語と3種類のバイブコーディング場面を対象とします。タスクは機能のみを求め、セキュリティには触れず、隠されたテストで評価されます。6つの先端エージェントでは機能面の合格率が73.6%から91.3%でしたが、機能と安全性を両立したのは16.4%から25.1%にとどまりました。
注目点7言語・24CWEの450タスクからなるベンチマークを構築し、3種のバイブコーディング場面で6つの最先端エージェントを評価しており、安全なコード生成の評価に実質的な前進がある。
説明暗黙的計算量理論による、暗号で用いられる確率的多項式時間の特徴づけ
要約本論文は、乱択計算のために最近導入された λ 計算 λBLL が、暗号の定義や証明で用いられる一次および二次の多項式時間計算の概念を正確に捉えられることを示す。結果は暗黙的計算量理論の形式で述べられ、λBLL が暗号における実験や敵対者を表現するのに十分な能力を持つこと、また計算の中で定式化された帰着が計算量を保存することが保証されることを示す。多項式時間の健全性は完全な計算系で成り立ち、多項式時間の完全性は最小限の有限個の基本関数があれば成り立つとされる。
注目点既存の確率的λ計算λBLLで暗号学の一階・二階多項式時間計算を特徴づけ、帰着が計算量を保つことを形式的に示し、分野への寄与が大きい。
説明『いいえ、今のツールでは不十分です：エージェントを脆弱性探索に投入する時です』：AIエージェントで自律的にソフトウェアの脆弱性を発見する研究の紹介
要約本論文は、Windowsドライバ、Linuxカーネル、XNU、ファームウェア、Webアプリケーションなど多様な対象で、AIエージェントを使って脆弱性を発見した経験を紹介しています。反復的なエージェントワークフローを用いた結果、これらの対象に汎用的に適用できたとしています。また、エージェントが支援できた従来困難だったタスクと、自律的な脆弱性発見を進めるための今後の研究課題を論じています。
説明大規模言語モデルのマージ条件付きバックドア不整合化に関する研究
要約本論文は、大規模言語モデルのマージ（統合）時にのみ発動する新たな安全上の脅威「片側マージ条件付きバックドア（OMCB）」を扱っている。単体のモデルでは潜伏し検出されないが、マージによって安全性の整合が崩れるとされる。著者らはこれを植え付ける攻撃フレームワーク「SMOKE」を提案し、多様なアーキテクチャやマージ手法で有効であり、既存の検出を回避すると報告している。
説明宣言されているが追跡できない：広告サプライチェーン透明性における販売者ID欠落の測定
要約本論文は、広告の透明性に関する問題として、発行者が ads.txt や app-ads.txt で承認したアカウントが、対応する sellers.json レジストリに記載されていない場合に、公開の検証経路が途切れることを扱っています。著者はこれを「販売者ID欠落（seller-identity gap）」と呼びます。約2億3,340万件の標準化された広告透明性レコードを用い、参照母集団と著作権削除請求が多い母集団とを比較し、共通重み付けによる標準化で、広告システム内部と構成に関連する残差を分けて分析しています。相関は帰属と同一視されない点も強調されています。
説明秘匿誤り訂正符号：機密性と信頼できる復号を両立する暗号プリミティブと、AI生成画像の透かしへの応用
要約本論文は、摂動を受けた符号語から信頼性高く復号しつつメッセージの機密性を保つ暗号プリミティブ、秘匿誤り訂正符号（CEC）を提案し、機密性・頑健性・健全性の3つの安全性の性質を定式化している。著者らはRSS構造に基づいてConc-CECを構成し、それをAI生成画像の透かし方式CECMarkに応用している。実験では、評価した56種類の摂動すべてにおいて既存手法より高い頑健性を示し、誤検出率は10のマイナス5乗未満とされている。
注目点新しい暗号プリミティブCECをRSS枠組みで構成し、56種の摂動と複数の透かし手法との比較で実証しており、AI画像透かし分野への影響が大きい。
説明逐次サンプリングによる自己回帰トークン生成の限界
要約本論文は、既に生成された記号と少量の状態だけから次の記号をサンプリングする回路（逐次サンプラー）という概念で自己回帰トークン生成を研究しています。k ビットの状態を持つ逐次サンプラーは、約 O(2^k) のサイズオーバーヘッドで状態を持たないサンプラーにより模擬できること、また挿入型の効率的サンプリングは任意の固定順序での効率的な逐次サンプリングより強力であることを示しています。さらに、小さな状態の逐次サンプラーでは特定の形の隠れた暗号通信路を構成できないことも示され、悪意ある LLM エージェント間の潜在的な隠れた協調に対する安全策の可能性が示唆されています。
注目点状態付き逐次サンプラーを状態なし回路で模擬する指数的オーバーヘッドを示し、疑似エントロピーとの双対性と組み合わせて理論的に特徴づける。新規性と証明の厚みは高いが、影響範囲は限定的。
説明決定の不確実性指向透かし（DUOW）：マルチエージェント経路選択にポリシー複製対策の所有者シグナルを埋め込む手法
要約本論文は、マルチエージェントシステムの経路選択ポリシーが実行ログを通じて不正に複製されるリスクを扱っています。提案手法DUOWは、モデルのパラメータや生成出力を変更せず、外部の意思決定層で機能的に等価な経路選択を選び直し、所有者シグナルを埋め込みます。論文によると、4つのベンチマークで高いタスク効用を保ち、ログの最大90%が消去された場合でも所有権を検証でき、計算オーバーヘッドは小さいとされています。
説明統計的健全性を持つしきい値BARG：難読化なしの重み付きしきい値暗号
要約NP文に対する非対話型バッチ論証（BARG）とそのしきい値への一般化に関する論文です。循環安全な完全準同型暗号、または見返し暗号と学習誤り問題の組み合わせを基に、表現力のある陷門しきい値言語のための初の統計的健全性を持つしきい値BARGを構成しています。共通参照文字列のサイズは文の数kに対して多対数的にしか増えません。さらに、この構成と擬似乱数置換を生成する新技術を組み合わせ、統計的偽造不可能性を持つ重み付きしきい値署名を作り、見返し暗号と併用してλビット重みに対応し、復号が完全に非対話的な重み付きしきい値暗号方式を得ています。ランダムオラクルモデルでは任意の重みに対応し、中央機関を必要としないサイレントセットアップも可能になります。
注目点統計的健全性を持つ初の閾値BARGを提示し、CRSを多項式対数サイズに抑え、難読化なしの重み付き閾値暗号を構成する点が新しい。
説明TenseUp：テンソル符号に基づく二重効率のルックアップ論証と動的SNARKへの応用
要約本論文は、テンソル符号を用いたルックアップ論証方式を提案します。大きな表に対する一括のルックアップアクセスを、アクセス数に比例する時間で簡潔に証明でき、量子攻撃者に対しても安全です。さらに二次元テンソル符号向けに最適化した実用的なTenseUpを構築し、実験では量子耐性のない既存方式と同等かそれ以上の性能を示しています。また、静的SNARKから動的SNARKを構築する汎用コンパイラも提示され、ハッシュベースのSNARKと組み合わせると、透明かつ耐量子な初の動的SNARKが得られるとしています。
注目点テンソル符号を用いて透明かつ耐量子性を持つ更新可能な二重効率ルックアップ論証を構築し、既存手法より漸近的に優れる。初の透明な耐量子動的SNARKを示す。
説明名前はオブジェクトではない：侵害された AI コーディングエージェント向けのオブジェクト束縛型隔離
要約本論文は、コーディングエージェントへの多くの攻撃が、検査で承認された名前（パスなど）と実際に操作されるオブジェクト（シンボリックリンク先のファイルなど）のずれに起因すると指摘する。著者らは、エージェントがブローカー経由でのみファイル、プログラム、ネットワークにアクセスし、使用時に承認対象と一致するかを検証する ZTAC を提案する。74 件の攻撃テストで漏洩は 2 件のみ、正常な 46 件の操作では 43 件が完了し、ブローカー要求の中央値遅延は 4.0 ミリ秒である。
注目点名前ではなくオブジェクトに権限を結び付ける手法を提案し、シンボリックリンク等の不一致攻撃に対処。74件の攻撃と10件の実事例で評価し、従来手法を大きく上回る。
説明同じタスクとは何か？ツール利用エージェントの頑健性評価のための実行可能な契約
要約本論文は、ツールを使うエージェントの頑健性テストにおいて、変更されたテストケースがなお有効かを判定する既存の規則が緩すぎると指摘します。著者らは、タスクを定義する事実、許可される編集、タスク完了の意味を規定し、エージェントの実行前に各テストケースを検査する「実行可能なタスク契約」を提案しています。保存済みの14,336件のエージェント実行結果を各規則で採点した比較では、埋め込み類似度に基づく規則が、タスクを変えてしまう編集を多く受け入れ、有効な悪意ある注入の一部を拒否することが示されています。
注目点エージェント評価の頑健性テストに実行可能なタスク契約を提案し、14,336回の実行で既存規則の誤判定を示す。新規性と証拠は十分で、影響は評価分野に限られる。
説明SecReason：LLMによるコード生成中の脆弱性検出とストリーム内自己修復
要約大規模言語モデルが生成したコードには、セキュリティ上の脆弱性が含まれることがあります。SecReasonは、推論型モデルが思考連鎖の中でコードを書く段階を監視し、文ごとのスキャンとデータフロー追跡を行います。規則に該当すると生成を中断して警告を挿入し、同じ推論過程でモデルが草稿を修正できるようにします。CWEvalとSecCodeBenchでは、安全で機能的にも正しいコードの割合が15%未満から72.8%〜98.1%に向上したと報告されています。
説明3族の単根巡回符号から構成されたDS・AMDS型シンボルペア符号
要約本論文は生成多項式を用いて、奇数標数の有限体上で3族の単根巡回符号を構成し、重なりを持つペア読み出しチャネルでの誤り訂正性能を評価します。長さ2q+2（qは7以上の奇素数べき）では最小シンボルペア距離が10、長さ4q-4と2(q-1)ではそれぞれ9または10、11または12となります。得られた符号はすべてMDSまたはAMDSのシンボルペア符号です。
説明MemForm：LLMエージェントの記憶形成ポイズニングを評価するベンチマーク
要約本論文は、エージェントが永続的な記憶を生成・記録するインターフェースを攻撃者が操作する「記憶形成ポイズニング」を定式化し、内容・証拠・範囲・選択・経路の5種類のインターフェースを対象とする診断ベンチマーク MemForm を提案しています。6つのLLMと2種類の応答形式で評価したところ、5つのインターフェースすべてで広く脆弱性が見られました。成功体験であっても、文脈、保持、統合順序の変化によって望ましくない振る舞いが生じることが示されています。
注目点記憶形成インタフェースを視点とした汚染ベンチマークを提案し、統合順序が挙動を変えることを示す。6モデルと複数防御での実験は充実しており、影響はLLMエージェントの記憶安全分野に限られる。
説明ByteMark：言語モデルをまたいで検出できる統一バイトレベル透かし
要約本論文はByteMarkを提案します。これは公開されたテキストのUTF-8バイト上で信号を定義する統一的な透かし方式で、異なるトークナイザを持つモデルが同じ公開仕様と鍵で透かしを埋め込めます。単一の検出器はテキストと鍵だけで検証できます。ベースラインの検出器はトークナイザや埋め込みモデルを替えると検出率が大きく低下しますが、ByteMarkは検出率を維持し、参加モデルがテキストを続きから書いたり書き換えたりした後も検出可能であると報告されています。
説明より弱い信頼仮定に基づく、証人簡潔型のUC安全なzkSNARK
要約本論文は、より弱い信頼仮定のもとでUC安全なzkSNARK（ゼロ知識簡潔非対話型論証）を構成する最初の枠組みを提案しています。鍵更新可能多項式コミットメント（KU-pCom）という新しいプリミティブを用い、完全に信頼されたセットアップではなく、公開検証可能な鍵更新が1回誠実に行われれば足りるとしています。2種類の実装でエンドツーエンドのベンチマークも示され、UC安全性、簡潔性、実用的な効率を同時に達成できることが報告されています。
説明DICE：System One モデルへのインターフェース攻撃による判定の偏向
要約本論文は、Jev ベースのパイプラインにおいて、状態抽出・質問生成・出力解釈の三つの適応器出力を有界的に置換した場合に、最終的な決定がどのように変化しうるかを検討しています。Jev 自体と正規の API 応答が攻撃者の制御外にあっても、各適応器が結果を変えうることが小規模な合成実験で示されています。関連性を検証する仕組みは、試したいくつかの介入を阻止しましたが、有効な正常な決定の一部も誤って棄却しました。
説明対称鍵プリミティブに基づく、時間・空間オーバーヘッドがほぼ最小の簡潔な論証
要約本論文は、時間 T・空間 S のランダムアクセス機械で判定される NP 関係に対する、公開コイン型の簡潔なゼロ知識対話型論証を構成している。衝突耐性ハッシュ関数の存在を仮定すると、証明者の時間・空間と証明サイズの間のトレードオフが得られる。著者らはストリーミング PIOP+PCS の枠組みに従い、Brakedown と BaseFold に着想を得た二つの符号ベースのストリーミング多重線形多項式コミットメント方式を提案している。さらに Fiat-Shamir 変換により、対称鍵プリミティブから時間・空間効率の良い (zk)SNARK を得ている。
注目点ストリーミングPIOP+PCSの枠組みで、時間・空間がほぼ最適な対称鍵ベースのゼロ知識引数を構成し、符号ベースの新しいMLPCSを二種提案して性能のトレードオフを改善した。
説明トークナイゼーションに依存しない透かし：LLMテキスト向けのバイト局所的手法
要約本論文はTI-WMという透かし手法を提案する。トークン生成時に透かしを埋め込み、正規化されたUTF-8バイト列に基づいて鍵とスコアを定める。検出時にはトークナイザを呼び出さない。指定の攻撃条件では、攻撃後のAUCがUnigramとの比較で高い値を示したが、著者らは品質やクリーンテキストでの検出性能が同条件で比較されたものではなく、汎用的な頑健性の保証でもないと述べている。
説明自然なコード変換が脆弱性分析のエージェントを混乱させる
要約本論文は、AIエージェントによる脆弱性分析の挙動を研究したものです。同じ機能と同じ脆弱性を持つ実世界のコードコミットに対して、エージェントの結果が大きく異なることを報告しています。著者らは開発で繰り返し現れるパターンから機能を保つ自然なコード変換を集め、その影響を評価しました。単一の変換でも前衛的なエージェントの脆弱性発見の成功率を下げられること、また変換の組み合わせや適応的な攻撃者についても検討しています。
説明Lattice Bingo：消失訂正符号コミットメントによる非同期検証可能秘密分散（耐量子）
要約本論文は、格子ベースのパック型非同期検証可能秘密分散プロトコル Lattice Bingo を提案します。ビザンチン故障や任意の遅延があっても、多数の秘密を一度に配布できます。通信量は二次、パッキングは線形を保ちつつ、Bingo が依拠していた非耐量子の仮定を、PowerBASIS 仮定に基づく二次元線形符号のコミットメント方式に置き換えています。さらに、一括提出による一回限りの適応的安全性も実現しています。
説明ARMOR：リソース制約のあるシステム向けに、スキーマを保ったままパスワード保護を強化する改修方式で、攻撃者のコストを増大させる研究
要約本論文は、認証情報データベースが漏えいした際に、IoTゲートウェイやエッジサーバーなどのリソース制約のあるシステムがオフラインのパスワード推測にさらされる問題を扱います。提案手法ARMOR（ARMOR）は、検証側でスキーマを保ったまま変換を行い、隔離された Chain Registry に保存されたアカウントごとの秘密の操作チェーンを用います。チェーン認識型の攻撃では、平文の場合と比べて計数されたソルト付きチェックが約89.35倍必要でしたが、対象のパスワードはすべて攻撃対象の候補プール内にあり回復されています。著者は、これが攻撃者の最小コストを示すものではないと明記しています。
説明拜占庭耐性のあるLLM学習のための透かし手法
要約フェデレーテッド学習で用いられる堅牢な集約手法が、悪意あるサーバーによって学習中の透かし除去に悪用され、既存のLLM透かしの検出を失敗させることを示した。本論文は、集約手法に依存しないCamoMarkを提案し、透かし付き更新を正常な更新の分布に近づけつつ、検出に十分な透かし信号を保持する。QwenをAlpacaデータセットで微調整した実験では、透かし付きデータ3.3%でp値1.82×10⁻²の検出を達成し、継続微調整、剪定、蒸留などの除去攻撃にも頑健であった。
説明RoboFake：ディープフェイク検出器はヒューマノイド顔ロボットに対応できているか？
要約ヒューマノイド顔ロボットは、音声に合わせて唇を動かし、細かな表情を作ることができます。実在の人物の顔を付けて生成音声で動かすと、カメラの前で話し反応する新しいタイプの呈示攻撃（RoboFake）になります。著者らは公開の顔呈示攻撃検出モデル3種と深度偽造検出器6種を試験し、これらの多くが攻撃そのものを認識しているのではなく、ロボットの顔が人間らしく見えないことに依存していると示唆しています。
注目点人型表情ロボットを攻撃媒体とする新しい提示攻撃を提起し、複数の検出器で評価しているが、規模は限定的である。
説明エッジLLMへの物理サイドチャネル攻撃：出力トークンとユーザープロンプトの抽出
要約本論文は、エッジデバイス上でLLM（Raspberry Pi 5上のLLaMA-3.2-1B-Instruct）をローカル実行する場合のプライバシーリスクを検討しています。推論中に収集した電磁波（EM）サイドチャネルの波形から、生成されたトークンやユーザープロンプトが漏えいしうることを示しています。医療・プライバシー関連の50語の識別、隠れ表現の復元とトークン予測、隠れ状態からのプロンプト再構成という3種類の攻撃を提案し、ローカル実行だけでは機密性が保証されないと結論づけています。
注目点電磁サイドチャネルによりエッジLLMの出力トークンやユーザープロンプトを復元することを示し新規性が高い。評価は単一モデル・デバイスに限られる。
説明埋め込みの非対称性を攻撃の兆候として捉え、縦型連合学習における能動的ラベル推論を検出・防御する
要約縦型連合学習では、特徴量を持つ一方の当事者が内部の最適化器を改変して埋め込みにクラス構造を作り出し、半教師あり学習によって非公開のラベルを復元する攻撃が報告されています。本論文は、サーバが受け取る埋め込みからこの攻撃の兆候を検出できることを示し、その兆候に応じて攻撃側のみに防御を適用する方法を提案しています。CIFAR-10、CIFAR-100、CINIC-10での実験では、ラベル推論の精度が正常な学習で既に漏れる水準を下回り、タスク精度の低下は2ポイント未満だと報告されています。
説明AIモデルは任意の能力を証明可能な形で隠せることを示す研究
要約本論文は、隠れた能力は引き出せるという前提に依存する能力評価は、敵対的条件下では信頼できないことを示しています。宿主モデルの重みに暗号化されたニューラルネットワークを埋め込み、秘密のトリガーを受けたときだけ復号して実行するバックドアを構築しています。暗号理論の仮定の下で、これらの隠れた回路は引き出しも解釈も困難であることを証明し、化学反応予測タスクを用いて、微調整などの手法への耐性を示しています。
注目点隠しバックドアを固定文字列から任意の計算へ拡張し暗号学的保証を与える；PyTorchでの概念実証と複数の誘発手法への耐性評価だが規模は小さい。
説明『Flying, Not Floating』：組み込みプロセッサ向けの精密な固定小数点 Falcon 署名。マイコン上で定点演算により FN-DSA（Falcon）署名を実装する研究
要約本論文は、標準化が進む FN-DSA（Falcon）デジタル署名方式について、マイコン向けに初めて固定小数点演算で署名を行う実装を示しています。32.64 固定小数点演算を Cortex-M4 の定数時間アセンブリで実装し、逆数や逆平方根などの中間値を広い精度で保ち、利用箇所でのみ丸めることで精度を確保しています。双精度エミュレーションと比べて約 45% 少ないサイクル数で署名できると報告されており、鍵ごとの許容問い合わせ回数の測定結果も示されています。
説明電力網のサイバーフィジカルリスクを考慮した意思決定志向学習
要約本論文は、電力網への侵入検知において検知誤りが運用上どのような影響を与えるかを考慮する、最適化と学習を組み合わせたサイバーフィジカルリスク対応フレームワークを提案しています。機械学習の予測誤差を電力網運用上のサイバーフィジカルリスクコストに変換し、反復的なやり取りによって運用コストの最小化を図ります。産業用制御システム（ICS）へのサイバー攻撃データセットと Sherlock データセットでの実験では、従来手法と比べて電力網の運用コストが改善したことが示されています。
説明交互スポンジとDuetのスクイーズ出力に対する識別器
要約本稿は、ハッシュ関数候補Duetの動作モードを分析した暗号分野のプレプリントです。Duetは交互スポンジ（ASP）に着想を得ており、両者とも2つの置換を用います。著者はASPに対する識別器と、Duetに対する識別器および状態復元攻撃を示し、多ブロック出力が乱数と区別できることを指摘していますが、衝突耐性と原像耐性には影響しないとしています。
説明メモリ結合アンラーニング：元データがない状態での身元単位の忘却
要約本論文は、ホストモデルに制御可能な外部メモリとして現代的ホップフield ネットワーク（MHN）を組み込む、メモリ結合アンラーニング（MCU）の枠組みを提案します。忘却要求を受けると、MCUはまず外部メモリから対応するプロトタイプを削除し、対象の限られた支援情報と保持データを用いてモデルを再適応させます。実験では、評価したベースラインと比べ、モデルの有用性、メンバーシップの識別性、要求時の計算効率の間で良好な経験的トレードオフが示されましたが、情報の完全削除を形式的に保証するものではありません。
