本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明潜在状態へのなりすまし：知覚できない目標画像攻撃がLeWorldModelの計画を崩す
要約本論文は、潜在空間で計画を行う視覚世界モデルLeWorldModelのテスト時の頑健性を検証しています。エンコーダがブロックの姿勢に強く依存していることを示し、ε=4/255の知覚しにくい白箱摂動によって、攻撃者が指定した姿勢をエンコーダに認識させられることを明らかにしています。その結果、Push-Tの計画成功率は87%から32%に低下し、この脆弱性は四つの標準ベンチマークすべてで確認されています。
説明外観と運動が食い違うとき：偽装された無人水上艇に対するクラス・運動整合性の評価
要約本論文は、海上防衛システムが無人水上艇（USV）と通常の船舶をどのように区別できるかを検討しています。著者らは敵対的な船体パッチと物理的な偽装を試し、パッチは検出を最大29％の試行で抑制できるものの、民間船と誤認させることはなかったと報告しています。物理的偽装はカメラと레이ダーの両方の確認を回避できるとしています。また、自動船舶識別装置（AIS）の航跡に基づく再生評価手法を構築し、資産に対する接近速度による検査を提案しています。
説明人間らしくしても事実は正確か？AI文章の「人間化」ツールにおける事実と検出の監査
要約本論文は、AI生成文を検出器に人間が書いたと判定させるよう書き換える「人間化」ツールを調べたものです。規則ベースの検査器を用いて、書き換え後も数字、日付、人名・組織名、引用句が保持されるかを確認しました。商用ツール11種のいずれも、対象文書の35〜65%で少なくとも一つの要素を変更・削除していました。
説明深層学習に基づくBluetooth機器フィンガープリンティングのデータセットと実験基盤
要約本論文は、31種類の商用機器について、異なる日時、場所、環境、温度、受信機ハードウェア、周波数チャネルで取得した生のIQ送信データからなる大規模なBluetooth Low Energy（BLE）データセットを紹介しています。さらに、このデータセットを用いて、ドメインに頑健な無線周波数フィンガープリンティングの最新手法を評価する事例研究を行い、実環境におけるAIの信頼性向上を目指しています。
説明ハードウェアにおけるランダム化キャッシュ：課題とトレードオフ
要約ランダム化キャッシュは、メモリアドレスからキャッシュ位置へのマッピングを難読化することで、サイドチャネル攻撃から保護します。本研究では、CEASER-S、ScatterCache、SassCache、MIRAGEの4つの設計を、マルチコア・アウトオブオーダーRISC-V SoCの最終レベルキャッシュとして実装しました。FPGA上でSPEC CPU 2017とGAPBSを実行して比較評価した結果、索引導出関数のパイプライン化だけでは不十分で、関連するクリティカルパスの再設計が必要でした。また、性能低下の主因は追加ミスよりもLLCアクセス遅延の増加でした。
説明「ダミーで数える」：観測可能な件数と切り詰められたバッチでのプライバシー増幅
要約本論文は、差分プライバシー付き確率的勾配降下法（DP-SGD）におけるバッチサンプリングを扱います。ポアソンサンプリングやランダム割当てなどの方式では、バッチサイズが可変となり、そのサイズが漏えいしたりバッチが切り詰められたりすると、プライバシー保証が損なわれます。著者らは、ランダムな数のダミー点を用いてバッチサイズを秘匿し、切り詰めの下でもプライバシー保証を保つ仕組みを提案しています。ポアソンサンプリングで切り詰めを行う場合、既存の直接的な会計手法よりも、プライバシーと効率のトレードオフが良好であることを実験で示しています。
説明スマートホームを超えて：業界・ベンダー・製品別に見たIoT脆弱性の特徴分析
要約本論文は、15,000件を超えるIoT関連のCVE（共通脆弱性識別子）データに基づき、業界、ベンダー、製品種別ごとの脆弱性の傾向を詳細に分析したものです。医療分野では認証や資格情報に関する弱点が中心であり、自動車分野ではメモリ関連の問題が多いことが示されています。同一ベンダーの異なる製品種別同士は、異なるベンダーの同種製品よりも弱点の傾向が似ており、ベンダー単位での共有コードや開発慣行の影響が大きいとしています。著者らは、弱点の分類に基づいて修正作業の優先順位を決めるべきだと提案しています。
説明SecPO：プロンプトインジェクション対策のための原理的な敵対的訓練
要約本論文は、AIエージェントにおけるプロンプトインジェクションの脅威を扱います。既存の防御モデルMeta-SecAlignは、適応的攻撃下で攻撃成功率が100%近くに達すると指摘しています。著者らは理論的根拠のあるSecPO損失関数と、より強力な注入入力を生成する効率的な敵対的訓練パイプラインを提案しています。実験では、複数の適応的攻撃に対して攻撃成功率を大幅に下げつつ、九つのベンチマークで通常タスクの性能低下が見られなかったと報告されています。
注目点注入不変の理想参照モデルでDPOの基準を置き換えるSecPO損失と強い敵対的学習を提案し、3種の適応攻撃でASRを下げたと報告、効用の低下は見られないとする。
説明ツール呼び出しの記録からどれだけユーザー情報が推測されるか：ツール呼び出しトレースによるプライバシー漏えいの研究
要約本論文は、大規模言語モデルのエージェントがMCPプロトコルでツールを呼び出す際に残る記録から、観察者がユーザーのプロファイルを推測できるかを検証しています。著者らはPrivacyTraceベンチマークを構築し、4つの領域にわたる1,000件の合成ユーザープロファイルと4,000件のエージェント軌跡を用意しました。実験では、ツール呼び出しの記録によるプロファイル推測の攻撃成功率が26.25%となり、事前情報のみに基づく推測の17.97%を上回りました。