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）。
説明エージェントは今もルールに従うか？コンテキスト圧縮後のルール遵守をベンチマークする
要約LLMエージェントはコンテキストウィンドウに収めるため長い履歴を圧縮するが、圧縮後のコンテキストも後続の行動を律するルールを保持しなければならない。本研究は、オープンソースのpiエージェントハーネス上に構築した設定可能なベンチマークARCBenchを提案し、ツール呼び出しのループを通じて実行中の行動からルール遵守を測定する。圧縮後の違反の多くは、ルールが圧縮された履歴内にまだ残っている間に起きることが分かった。ルールを保持しても遵守は保証されず、ルールを保持した圧縮実行は、完全な履歴での実行の2倍以上違反する。
説明エッジAI向け実用的なハードウェア信頼の基点：ソフトウェアPUFとそのトレードオフ
要約エッジAIでは、機器に物理的にアクセスされると不揮発性メモリに保存された秘密鍵が危険にさらされます。ソフトウェアPUFは、既存の機器の固有で再現性のあるアナログ特性を利用し、製造後のハードウェア変更なしで一意の応答を生成する手法です。本論文は37件の既存研究を調査し、起動時と実行時の鍵導出、応答遅延といったデバイス上でのモデル保護の要件と比較しています。さらに、トレードオフを分析し、現状の四つの課題と今後の方向性を示しています。
説明プライバシーフィルタとオドメータの情報階層
要約本論文は、差分プライバシーのフィルタとオドメータが利用する情報が、その性能をどのように制限するかを研究している。情報を仕様レベル、機構レベル、実現レベルの三段階に定式化し、各手法を挙動を決定するのに必要な最も情報量の少ないレベルで分類している。主な結果として、階層間で達成可能な性能に厳密かつ任意に大きな差があることを示している。
注目点三段階の情報階層を定式化し、各段階間の性能差が任意に大きくなりうることを示す。理論的貢献が中心である。
説明Massey秘密分散方式における漏えいの体系的導出
要約本論文は、秘密分散方式に対する漏えい攻撃、すなわち各シェアの部分的な情報から秘密を復元する手法を扱う。著者らはGuruswamiとWoottersの構成を基に新たな明示的な線形厳密修復方式を導出し、その代数的性質を分析している。さらに、任意の線形符号に対して漏えい関数を見つけるためのグレブナー基底に基づく計算手法を提案し、Reed-Solomon符号、一般化Reed-Muller符号およびTamo-Barg符号に適用して、従来文献に記載のない修復方式をいくつか特定している。
説明Cyber-JEV：修正コミットを用いた対照微調整による、ソースコード脆弱性の高速トリアージ
要約本論文は、各関数に脆弱性確率を一度の推論で付与する言語モデルを、修正コミットから作った比較グループで微調整するCyber-JEVを提案する。学習は脆弱な関数を修正後版や同一ファイル内の未変更関数より高く順位付けすることと、ラベル付き参照データでの分類を同時に行う。7,270関数のテストセットで、微調整したQwen3.5-4Bモデル5つのアンサンブルはROC曲線下面積0.814を示し、Jev 1.13の0.743を上回った。
説明鍵条件付き信号摂動を用いた漏えい考慮型暗号化意味通信
要約本論文は暗号化意味通信システムに二つの改良を提案している。一つは鍵で制御される信号領域の学習型敵対的摂動注入層（LAPI）であり、もう一つは相互情報量漏えいのInfoNCEに基づく代理指標を用いて、固定の敵対的目的に適応的な漏えいペナルティを加える学習規則である。Europarlコーパスを用いたAWGNおよびレイリーフェージング通路での実験では、InfoNCEによる学習が盗聴者の抑制の主因であり、高SNRで盗聴者のBLEUが約0.07まで低下した。LAPIを加えるとInfoNCE推定の漏えいがさらに5〜9%減少した。両機構はシステムの異なる部分で動作し、併用可能である。
説明持続的なサイバー攻撃に対する自律型自己修復の評価
要約本論文は、TNOが開発した免疫系に着想を得たサイバーセキュリティ向け自己修復ソフトウェア SH4CS（Self-Healing for Cyber Security）を検証したものです。分析と実験により、（繰り返される）Webアプリケーションの脆弱性悪用攻撃に対して効果的なサイバーレジリエンスが得られることを示しています。今後の課題として、予測可能なレジリエントな振る舞いと、多様なサイバー脅威や保護対象アプリケーションへの適応性との間で適切なバランスを見つけることが挙げられています。
説明ニューラル逆コンパイルの再考：候補選択が隠れたボトルネックである
要約本論文は、大規模言語モデルに基づくニューラル逆コンパイラが難読化されたバイナリに対して抱える精度差を、候補の生成と選択の観点から分析しています。モデルのサンプリング空間に正しい再構成がすでに含まれていることを示し、テキスト、構文、尤度、実行結果などに基づく候補選択手法を比較しています。新たに公開された難読化データセットで微調整した後、難読化サンプルのpass@1は88.8%に向上したと報告しています。
説明時間相関チャネルにおける可動アンテナ支援型秘密鍵生成
要約本論文は、時間相関のあるチャネルで可動アンテナ（MA）を用いる物理層鍵生成を検討している。多重経路利得の時間相関を一次ガウス・マルコフ過程で表し、有限時間幅の近似誤差上界と一段階条件付き相互情報量の閉形式を導出して、扱いやすい鍵情報量の指標としている。アンテナ位置と各スロットのビームフォーミングを交互最適化した結果、シミュレーションでは固定アンテナより優れ、時間相関係数が高い場合、位置最適化は固定アンテナより約51%高いレートを達成し、位置とビームフォーミングの同時最適化はさらに106%の利得をもたらすことが示された。
説明ATrust：LLMエージェントの安全性のための適応的信頼境界拡張
要約本論文は、間接的プロンプトインジェクション攻撃に脆弱な大規模言語モデル（LLM）エージェントを守る防御機構ATrustを提案しています。ユーザーの問い合わせを信頼の起点とし、実行中に外部情報を現在の信頼境界と実行状態に照らして評価し、タスクに必要な情報を順次取り込みます。AgentDojoとAgentDynでの評価では、既存の防御手法の中で安全性と有用性のバランスが最も優れていたと報告されています。
説明「顧客は目標を見られない」：LLMアシスタントで脆弱性を狙った誘導を測定・検出する研究。運営側の隠れた目標のもとで、利用者の弱みを突く応対が起きるかを検証する。
要約企業はウェブサイトに大規模言語モデルのアシスタントを置き、顧客には見えない商業目標を設定できます。本論文はGAPという手法を提案し、目標なしで推奨される選択肢を記録した後、もう一方を運営側の目標に設定します。15モデル、12分野の540の日常シナリオで、619,600件のラベル付き応答を収集しました。14モデルが運営目標を推し進め、そのうち12モデルは利用者が明かした苦境や経済的困窮を利用していました。応答のみから微調整した検出器は79%の精度を示し、ゼロショットのLLM判定は最大62%でした。学習に含まれない脆弱性では検出精度が落ちます。
注目点新規性は、操作者目標による脆弱性を狙った操作を目標錨定プロービングで顧客との会話から検出する点にあり、15モデル・619,600件の回答で検証したと作者は報告している。
説明MCPセキュリティはどこまでか？OWASP MCP Top 10向けの三層緩和マッピング枠組み
要約本論文は、設計科学研究（DSR）の手法を用い、OWASP MCP Top 10をサーバー、ゲートウェイ、プロトコルの三つのアーキテクチャ層に対応付ける枠組みを提案します。四つの質問からなる段階的な決定木により各脆弱性を分類し、Goで構築した企業向けマネージドファイル転送（MFT）のMCPサーバーで検証しました。その結果、高信頼度のサーバー層の対策は予測どおり機能した一方、低信頼度のプロトコル層の対策はサーバー実装の範囲を超えるアーキテクチャ上の理由で効果が限定されました。
説明StateFence：蓝チームLLMエージェントにおける証拠連鎖汚染からタスク状態を守る仕組み
要約本論文は、セキュリティオペレーションセンター（SOC）の蓝チーム向けLLMエージェントが直面する間接的プロンプトインジェクションのリスクを扱います。テレメトリ、チケット、検索結果、メモリに埋め込まれた悪意ある指示が、アラートのトリアージ、インシデント要約、対応提案、IOC抽出へと伝播する問題です。著者らは、重大度ラベル、インシデントの経緯、対応方針、IOC集合を保護対象の状態とみなすStateFenceを提案し、攻撃された状態に応じて防御を振り分けます。実験では攻撃成功率が下がり、タスクの有用性は保たれたと報告されています。
説明(Z/4Z)^m 上で差分一様性が一様に有界な陽的置換
要約本論文は、ガロア環上の対称暗号プリミティブに用いる非線形成分として、差分確率が m に依らず上から抑えられる陽的置換 G_c を構成している。非零入力差分に対する差分確率は最大 36/N（N=q²、q=2^m）であり、置換多項式が持つ差分確率の下界 2/√N（Ronjom–Sandrib）と比較されている。構成は F_c∘J∘F_c の形で、一桁の交換を挟む二つの多項式層からなる。
説明双方とも確認しない場合：MCPサーバーとホスト間における破壊的ツールの承認に関する研究
要約大規模言語モデルのエージェントは、Model Context Protocol（MCP）を通じてデータを削除したり資金を移動させたりするツールを呼び出します。本論文はソースコードに基づき、MCPサーバー側とホストアプリケーション側それぞれの人間による承認の仕組みを調査しています。多くの破壊的ツールにはサーバー側の確認がなく、多くのホストはデフォルトで承認ステップを持たないことが示されています。そのため、既定の設定では承認されないまま実行されるツール呼び出しが相当数あります。著者らは、アプリケーション側で承認を設定すべきだと述べています。
注目点MCPの破壊的ツールに対する人間の承認欠如を、ソースコードの両側から大規模に測定し、注入削除の実験で検証している。
説明順位付けはできても阻止できない：型付き意思決定モデルの出力確率によるプロンプトインジェクション乗っ取りの検出
要約本論文は、言語モデルを分類器として使う場合に、注入されたテキストが出力ラベルを攻撃者の選んだラベルに変えてしまう「乗っ取り」を扱います。攻撃者のラベルを知らずに、モデル自身の最上位確率が低いときに警報を出す監視方法を、AG Newsのトピック分類で検証しています。低い確信度は乗っ取られた回答を正常な回答より上位に並べますが、干渉のないキャリブレーション用の誤警報率5%に合わせた閾値では多くの乗っ取りを見逃します。
説明ウェブ上のネットワーク化された合成ソーシャルエンジニアリングに関する研究
要約本論文は、AI受信者を認可された目的から逸らすことを意図した合成ソーシャルエンジニアリング（SSE）の、ネットワーク上での連鎖的影響を検証しています。Qwen3-4Bと2つの要約タスクを用い、ASE-ECの1,080件の研究単位でテストを行いました。依存関係にある複数の発行元は裏付けのない検証の増加を示さず、依存レポートの修正は残存する誤った判断を減らしましたが、範囲の再検証が修復には必要でした。
説明実環境におけるマルウェアのクラスタリング：分類・課題・評価指標
要約マルウェアの量・多様性・巧妙さが増すなか、大規模なマルウェア群を分析する重要な手法としてクラスタリングが使われています。本サーベイは、既存のマルウェアクラスタリング研究を、セントロイド型、階層型、密度型、分布型、混合型、ファジィ型、AI駆動型の7つに整理しています。また、クラスタリング研究でよく使われる公開データセットと、そこから得られる特徴表現を概観し、今後の研究の方向性を示しています。
説明CPU内蔵の行列アクセラレータを用いた高スループットの私的情報検索
要約私的情報検索（PIR）は、クライアントが取得するレコードを隠したまま、データベース全体を走査して情報を取得する方式です。本論文はIntel AMXなどCPU内蔵の行列アクセラレータを初めて活用したPIRシステム「AltoPIR」を提案し、独立型アクセラレータを使わずにバッチ処理で効率よく処理できることを示します。原文によると、既存のCPUベース手法より最大50.1倍のスループットを達成し、GPUのメモリを超えるデータベースも扱えるとしています。
説明アクセスされたが開示されない：医療AIエージェントによる保護対象健康情報への静かなアクセス
要約本論文は、患者の識別情報が不要な臨床タスクにおいて、医療AIエージェントが保護対象健康情報（PHI）のツールを依然として呼び出すかを検討している。著者らは合成患者記録にカナリアを埋め込み、五つの言語モデル、四段階の境界レベル、七種類の攻撃フレームにわたって、ツール呼び出しと最終回答でのカナリアの露出を関連付けた。その結果、三つのモデルが不必要にPHIツールを呼び出していた。出力のみを評価する方法ではこの静かなアクセスを検出できないため、境界設定、実行前ゲート、アクセスログ監査を併用する必要があると論じている。
注目点カナリアで無言のPHIアクセスを追跡する新たな評価視点を提示し、出力のみの評価では検出できないことを示す。五モデル・複数境界・攻撃フレームで実験を報告。
説明検知・修復・監査：エネルギー需要予測における敵対的攻撃に対する階層型マルチエージェント防御（Detect, Repair and Audit）
要約本論文は、電力需要予測に用いられる時系列大規模言語モデルが、改ざんされたセンサー入力によって誤った予測をするおそれがある問題を扱っています。地域制御センターでマルチエージェント強化学習による検知と信号修復を行う層と、仮想発電所向けに人の確認を伴う大規模言語モデル監査エージェントを組み合わせた階層型防御を提案しています。評価では、最良構成がすべてのデータセットと攻撃の組み合わせでF1スコア0.91超を達成し、信号修復で相対二乗誤差が最大83%低減し、検知と修復の平均所要時間は7.95ミリ秒でした。
説明動的防御手法を用いた先進計量インフラ（AMI）のセキュリティ強化
要約本論文は、スマートグリッドがインターネットに接続されることで常にサイバー攻撃の危険にさらされると指摘しています。電力の計量システムはその重要な部分であり、セキュリティ上の脅威で機能が損なわれると、国や産業に回復困難な被害が及ぶおそれがあると述べています。そのため、こうしたシステムを守る手段として、動的な「自己防衛に参加するアプリケーション（Applications that Participate in Their Own Defense）」の利用を提案しています。
説明サイバー攻撃グラフにおけるQUBO行動モデルと防御的修復の同条件評価
要約本論文は、最小コストのサイバー攻撃経路と防御的修復を対象とするQUBO（二次制約なし二値最適化）モデルにおいて、脆弱性ごとの行動が結果にどう影響するかを検討している。6つの独立した合成トポロジー上で、焼きなまし法、最急降下法、禁忌探索を厳密な古典的基準と比較した。遷移ごとに1つのラベル付き行動を用いる場合、実行可能経路・最適コスト・QUBOの規模は保たれた。複数の攻撃手段がある場合、最適経路の回収率は低下し、表現の規模は大きく増加した。合成コストを付与した公開済みの攻撃グラフでも評価が行われた。
説明機械学習ベースの選挙システムに対するブラックボックス敵対的サンプル攻撃
要約本論文は、投票用紙分類の機械学習モデルに対するブラックボックス条件下での敵対的サンプル攻撃を研究しています。著者らは11種類のブラックボックス攻撃手法を実装して評価し、複数のノルムや決定ベース・スコアベース・転移ベースの脅威モデルを扱いました。さらに2万枚の敵対的サンプルを印刷・スキャンして実環境での効果も検証しています。結果として、ブラックボックスの敵対的サンプルは白箱の場合より物理環境とデジタル環境の頑健性の差が大きいことが示され、選挙分野で初めて敵対的サンプルの転移性研究も行われ、敵対的訓練とバリアゾーンという二つの防御策が検討されています。
説明コーディングエージェント向けポリシーゲートとしての判定モデル：明示的な方針境界で検出精度を高め誤警報を減らす
要約本論文は、22の公開判定モデルと2つのプロンプト型汎用モデルを、複数ルールのポリシーエンジンの分類器として評価している。2,643件の合成ツール呼び出しデータで、境界を例と反例として明示すると、全23モデルで再現率が5.5〜26.1ポイント向上し、21モデルで誤検知が減少した。データセット、ルール文、評価ハーネスも公開されている。
説明HaloGuard 2.0：多言語の応答安全性のためのオープンウェイト型憲法的出力ガード
要約本論文は、ストリーミング型の出力ガード HaloGuard 2.0 を提案します。1回のフォワードパスで応答の各トークンに安全・危険の確率を割り当て、危害が確認された時点で出力を止められるオープンウェイトモデルです。入力ガード HaloGuard 1.0 の準則を用いて478,532件の応答からなる学習データを構成し、第2段階で106,043件の反事実応答により、プロンプトを判定してしまう捷径を補正しています。英語の6つの応答安全ベンチマークで宏ドF1は83.6に達し、17言語の応答ラベルでの多言語版は83.1 F1を記録しています。
説明プロキシフロー再生における有界保持履歴：混合予測パイロットと割り当て研究
要約本論文はUNSW-NB15のフロー複製データを用い、固定された予測パイロットとその後の割り当て研究によって有界な履歴保持を検討しています。パイロットでは関係特徴を加えたモデルが偵察の再現率と良性誤検知率の両方で基準モデルを上回らず、予測上の優位性は確認されませんでした。続く研究では、送信元を均等に重み付けする指標でソース均衡型の保持方式がFIFOを上回った一方、イベント加重の比率は低下しており、結果は特定の重み付け目的に限られると結論づけています。
説明ZT-DAC：分散型エネルギー資源ネットワークにおけるゼロトラストのための機械学習駆動型動的アクセス制御ポリシー
要約本論文は、分散型エネルギー資源（DER）ネットワークにおいて、認証後も信頼を維持する従来の静的ロールベースアクセス制御の弱点に対処するため、ZT-DACと呼ばれる動的アクセス制御フレームワークを提案しています。二段階の検証とOPAベースのRBAC、機械学習ベースのABACを組み合わせ、継続的な信頼スコア評価を行います。実験では、OPAベースの決定層の精度は91.92%、ABAC層の精度は93.27%と報告されています。
説明SANAI：ビット反転攻撃からニューラルネットワークを守る、重みに埋め込む安全なECC分散鍵付きパリティ
要約量子化されたニューラルネットワークの重みは高密度メモリに格納されるため、電圧変動、経年劣化、放射線、RowHammerなどの攻撃によるビット反転でモデルの動作が大きく損なわれることがあります。本論文が提案するSANAIは、感度に基づいてビットプレーンを選択し、パリティ用の追加記憶領域を使わずに重要な重みを保護する方式です。報告では、10種類の視覚バックボーン、3種類の量子化方式、10個の言語モデルで、ビット誤り率12%まで精度が元の約1ポイント以内に保たれ、既存の埋め込みECC方式の上限の約2倍とされています。
説明クエリ効率の高い走査・探索型ウォーターマーク局在化手法
要約本論文は、大規模言語モデル（LLM）が生成したテキストに埋め込まれた暗黙的なウォーターマークの位置を特定する問題を扱います。まず文書全体を広くカバーし、その後、ウォーターマークの証拠が強い領域やウォーターマークを含む可能性が高い領域に検出予算を段階的に集中させる適応的配分戦略を提案しています。各領域の統計信号をe値に変換し、トークン加重のe-BH手続きで局在化された領域を決定します。このフレームワークはBELL（LLMウォーターマーク向けの予算制約付きe証拠局在化）と呼ばれています。
説明「One String to Rule Them All」：IAB全球プライバシー・プラットフォームにおける同意の伝達を測定
要約本論文は、IAB全球プライバシー・プラットフォーム（GPP）が複数の法域にまたがって利用者の同意情報を収集・伝達する仕組みを分析したものです。特に利用者のオプトアウト（拒否）の選択が、発行者から第三者へどのように伝わり、広告主の挙動に影響するかを検証しています。4回のウェブクロールと4つの実験設定によってデータを収集しました。その結果、標準の実装と採用に不整合があり、同意信号が失われ、広告主が利用者のオプトアウトを尊重していないことが明らかになりました。
説明WASM-SIMDを用いたWebAssemblyにおけるQUIC暗号処理の高速化
要約WebAssembly（Wasm）上でQUICトランスポートプロトコルを動かす際の暗号処理コストを調べた論文です。著者らは Wasm の128ビットSIMD拡張で AES と ChaCha20 の演算カーネルを実装し、10ギガビットイーサネットで接続した2台のホストで測定しました。非SIMDの基準実装と比べ、受信側のグッドプットは AES-128-GCM で61.34%、ChaCha20-Poly1305 で31.55%向上しました。暗号処理の高速化は必要ですが、メモリ割り当て、ランタイムの負荷、データグラムごとのUDP I/Oが純粋なWasmトランスポートの性能上限になると示しています。
説明プロンプトインジェクションを超えて：LLMエージェントのセキュリティにおけるツール更新のギャップ
要約本論文は、大規模言語モデルのエージェントが外部ツールに依存する一方、ツールが更新された後も、フレームワークが安全性を再検証せずに信頼し続ける可能性があり、サプライチェーンの脆弱性を生むと指摘している。著者らは、もともと無害なツールの更新に悪意ある機能を埋め込むETUDE攻撃を提案し、この攻撃はLLMのコンテキストの外で動作する。三つの攻撃ワークロードと七つの主要なエージェントフレームワークで評価した結果、攻撃成功率は97.6%、正当なタスクの完了率は95.9%であり、既存の防御は不十分だった。
注目点ツール更新というサプライチェーンの死角に着目し、ETUDE攻撃を提案して七つの主要エージェント基盤で攻撃成功率と任務完了率を報告している。