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）。
説明産業応用における耐量子暗号の概要紹介
要約本論文は、耐量子暗号（PQC）のIoT、医療、土木・インフラ、防衛などの産業分野での導入動向を概観します。PQCの基本と市場における位置づけを簡潔に説明し、一部の耐量子手法について実装実験を行い、主要なPQCアルゴリズムの性能を評価しています。また、各PQCクラスの量子攻撃への耐性や、各種プログラミング言語でのPQC実装の状況にも触れています。最後に、KEMおよび署名アルゴリズムのベンチマーク結果を示し、性能、データの保存期間、機密性の水準に基づく適切なアルゴリズムの選定を支援しています。
説明「Say Shibboleth」：エージェント型攻撃の背後にある LLM と実行ハーネスを、罠によって特定する研究
要約本論文は、テレメトリから攻撃者のLLMのバージョンや実行ハーネス（harness）などの構成を推定する方法を研究しています。著者らは「shibboleth トラップ」と呼ぶモジュール式のハニーポットを考案し、攻撃エージェントから識別可能な振る舞いを引き出します。後続リクエストで見える効果のみを用いてハーネスの実行特性を探る手法も示されています。15の候補モデルの識別では平均top-1精度約90%、4種のハーネスの実験では固定の探査規則により92%の精度で正しいハーネスを特定できたと報告されています。
注目点攻撃者が使うモデルとharnessを識別する誘い込み型トラップと挙動プローブを提案し、15モデルで平均約90%のtop-1精度、4つのharnessで92%の精度を報告。
説明シャドーAIの検出：企業端末上の未承認LLMエージェント
要約本論文は、IT部門が承認していない自律型AIエージェント（シャドーAI）の問題を扱い、エージェントの9分類と端末上の6層の痕跡を提案しています。また、Windows向けのオープンソース検出器Agent Detectorを紹介し、遠隔サービスの識別情報と設定・インストール・実行履歴を組み合わせて検出する仕組みを示しています。制御されたテストでは、挙動ルールだけでは非AIプログラムも誤検出したのに対し、本手法は未承認エージェントの多くを検出できたと報告されています。
説明健康データのプライバシー保護処理のための俊敏な準同型暗号とML-KEM方式
要約本論文は、健康データの保存と処理におけるプライバシー問題に対し、ML-KEM（耐量子公開鍵カプセル化方式）とBGV（完全準同型暗号方式）を組み合わせた俊敏な暗号方式を提案しています。組み込み用途で効率的に実装できることを目指しています。パラメータ選択を説明し、概念実証の実装によって実現可能性を示しています。
説明シャミアの秘密分散法における局所リーケージ耐性の明示的な半数未満閾値境界
要約本論文は、素数体上のシャミアの秘密分散法が任意の1ビット局所リーケージに対してどの程度耐えられるかを、再構成閾値の観点から調べている。十分大きいnと、nより大きい任意の素数pについて、t/nが0.489以上であれば、互いに異なる非零の評価点のどの選び方に対しても、(n,t)方式はexp(-Ω(n))の耐性を持つことを示す。証明では双対符号のリスト回復解析を精緻化し、リーケージ関数の台のサイズと偏りに応じて補完的なフーリエ評価を組み合わせている。
説明公開され、特定可能で、実質的に取り消せない：arXiv研究から得る倫理的教訓
要約本論文は、arXivの論文ソースファイルを分析する研究で生じる倫理的問題を論じています。arXivはソースファイルを公開配布しており、これに驚く著者は少なくありません。著者らは、研究者が直面しうる四つの高次の板挟みを示し、公開されていることを倫理的検討の出発点とすること、露出した情報の増幅を抑えること、危害・確信度・実行可能性に応じて開示を調整すること、実質的な不可逆性を考慮することという四つの教訓を提示しています。
説明『学ばれなかった教訓：クロスチェーンブリッジが同じ手口で数十億ドルを失い続ける理由』
要約本論文は2021年から2026年にかけてのクロスチェーンブリッジへの攻撃事例を整理し、2023年以降に報告された損失の88%が、人員・コード・管理体制・オフチェーン基盤などの設定に起因するセキュリティ態勢の欠陥によるもので、そのほぼすべてが以前の失敗の繰り返しであることを示しています。著者らは、オンチェーンの証拠に基づいて各ブリッジの展開を採点し、致命的リスクがある場合は最低点に抑える評価基準を提案しています。また、既存ブリッジを監視する分析ツールも構築しています。
説明SNAPRAG：敵対的摂動によりRAGシステムから低コストで知識を抽出する攻撃手法
要約検索拡張生成（RAG）システムは外部の知識ベースを取り込んで大規模言語モデルの回答を改善しますが、攻撃者が繰り返しの問い合わせによって非公開の知識ベースの大部分を抽出できることが示されています。本論文は、外部のLLMに頼らず、問い合わせ予算を厳密に設定できる低コストな抽出攻撃SNAPRAGを提案します。離散トークン変異アルゴリズムで厳密なブラックボックス設定の下で新しい問い合わせを生成し、適応的な非類似度閾値校正によって未探索の意味領域へ問い合わせを誘導します。対象知識ベースの半分を抽出するのに既存手法より最大6.77倍少ない問い合わせで済み、固定予算内では最大96.9%を回復すると報告されています。
説明GPU で高速化した、バッチ対角パッキングによる非対話型暗号化ニューラルネットワーク学習
要約本論文は、準同型暗号（CKKS）のもとでニューラルネットワークを学習する Rust 実装を紹介し、学習とブートストラップの暗号文演算を GPU 上で実行する仕組みを示しています。主要な MNIST モデルで 100 回のパラメータ更新を行った実験では、学習時間が 14268.295 秒から 293.075 秒に短縮され、CPU 実装に対して約 48.68 倍となりました。復号後のパラメータと予測は完全に一致しています。別の GPU 実験では 10 周の学習を完了し、テスト精度は 90.35%、平文の対照実験は 90.41% でした。パラメータ一致の検証は 100 回の更新に限られ、ReBoot 基準との比較にも条件が付いています。
説明StealthyPoison：サードパーティ製スキルの手順汚染によるLLMエージェントの振る舞い操作
要約本論文は、公開レジストリのサードパーティ製スキルに対し、判断を左右する規則を密かに改変して誤った結果を引き起こす手順汚染攻撃StealthyPoisonを提案する。攻撃はスキルの機能や通常の実行を保ったまま行われる。566の対象スキルと5,244のリクエストで評価され、汚染スキルの上位1位への配置率はHotFlipおよびGCGに比べ13.6%向上したと報告されている。また、汚染ペイロードは未使用の3つの被害モデルに転用可能で、多くはSkillSpectorおよびGPT-5.4-miniによる検出を回避したという。
注目点新規性は、対象ユーザー要求なしにサードパーティスキルから再利用可能な隠密な手続き的ポイズニングを構築し、検索メタデータを強化する点にある。566スキル・5244要求・複数モデルと検出器で検証し、上位配置率の向上を報告している。
説明FALC：AIフォレンジックのための成果物中心のライフサイクルモデルと研究課題
要約本論文は、AIシステムのライフサイクルで生じるフォレンジック成果物に焦点を当てた「Forensic AI Life Cycle（FALC）」モデルを提案している。このモデルに基づき、調査に役立つ成果物の参照リストを導出し、AIが関与した犯罪の事例と調査時に問われる問いを収集した。さらに、既存の手法で成果物を分析できる現状に基づく、取証分野の分類を提示している。
説明全準同型暗号に基づく、無人機支援型のプライバシー保護安全無線通信・計算システム
要約本論文は、無線通信における計算過程そのものの安全性を守るため、CKKS全準同型暗号と多者間安全計算を組み合わせた無人機支援型の安全計算フレームワークを提案しています。無人機の柔軟性を活用して鍵配布と暗号化計算を切り離し、暗号化加重集約、暗号化行列積、暗号化決定木推論を実現します。実験では、BFV、BGV、SHEなどの既存方式と比べて、決定木推論や行列積で時間効率や空間効率が優れ、加重集約では高い数値精度を示したと報告されています。
説明実行ハーネスが重要：Webエージェントの安全性レジリエンスの測定と分析
要約本論文は、Webエージェントの実行ハーネス（harness）の設計が安全性にどう影響するかを検証しています。ハーネスを目標解釈、ウェブページ認識、推論・計画、動作実行の4段階に分け、悪意あるユーザープロンプト、悪意あるプロンプトインジェクション、欺瞞的なウェブ設計の3種類の攻撃を扱う評価枠組みWebTrap Farmを構築しています。既存のハーネスは典型的な攻撃に対して脆弱であり、安全性の結果はハーネスと基盤モデルの両方に大きく左右されることが示されています。
説明スペクトル・アンラーニング：言語モデルのための構造保存型Transformer更新
要約本論文は、大規模言語モデルから特定の知識や振る舞いを、モデルの有用性を保ちながら取り除く機械アンラーニングを扱います。標準的な遺憾目標と行列構造を考慮した最適化を組み合わせるスペクトル・アンラーニングを提案し、線形層と正規化された入出力からなるTransformerにおいて、この更新が最急降下方向に対応することを示しています。記憶、プライバシー、有用性の3軸を調和平均で要約した評価では、多数のベースラインを上回り、再学習参照モデルとの差の大部分を埋めています。
説明エージェント群によって適応型プロンプトインジェクション攻撃を拡大する研究
要約本論文は、AIエージェントが直面するプロンプトインジェクション攻撃を扱います。著者らは、ランダムな非悪意的動作を敵対的目標とする合成評価データセットを設計し、モデルが指示階層を尊重する能力を測定しました。能力を高めたエージェント型攻撃者は、公開ベンチマークで堅牢とされたモデルでも、ツール出力内の指示に従わせることができると示されています。著者らは、最先端の防御には自動化された能動的なレッドチーミングが必要かもしれないと主張しています。
説明モジュラー形式に基づく二重効率的な私的情報検索
要約本論文は、サーバーがサブリニアな時間で応答し、各サーバーの追加記憶領域が n+1 ビットに抑えられる、多サーバー型の私的情報検索（PIR）の新プロトコルを提示します。2サーバー設定では、サーバー時間は n^0.82 で、記憶領域は O(n√log n) から n+1 ビットに削減されます。3台以上の場合も、既存の同種方式より応答時間が改善されています。
注目点新規性は行列ベクトル技法を指数内の二次計算へ一般化し、モジュラー形式で傅里叶稀疏関数を構成した点にある。摘要では2サーバおよび多サーバ設定で、サーバ時間の改善と記憶量のn+1ビットへの削減を報告している。
説明と要約を作成中です
説明超音波を用いた生体特徴透かしによる顔動画ディープフェイク対策
要約本論文は、顔動画をディープフェイクから守るための生体特徴動画透かし手法UltraGuardを提案しています。スマートフォン内蔵のスピーカーとマイクで超音波信号を発し生体特徴を取得し、動画内容の時空間動的特徴と融合して透かしとして符号化し、リアルタイムで動画に埋め込みます。著者らは、伝送や拡散の過程で偽造や編集などの悪意ある攻撃を防げると述べ、利用者のモバイル端末への実装も想定しています。
説明対状態量子鍵配送におけるアドバンテージ蒸留
要約本論文は、固定の光学局と軽量な携帯端末を組み合わせたループバック型の対状態量子鍵配送を対象に、アドバンテージ蒸留を検討しています。二つの独立した公開パリティ検査を用い、最小連結グラフ上で一貫性のある三つの二ビット記録のブロックを選択し、受理確率や残留誤り、保持率を導出しています。また、シンドローム開示とブロック受理の後に攻撃者が得られる追加の推測優位性を評価するモジュール型安全性定理も示しています。
説明ShadowBench-MCP：MCP型ツールルーティングにおけるシャドー呼び出しの測定
要約本論文は、LLMエージェントがツールのルーターとして動作する際のリスクを扱います。悪意のある操作を求めていない、タスクを保持した要求の変種によって、ルーターがより危険な実行経路を選び、検証や来歴確認、監査などの安全ツールを省略する可能性があります。著者らはベンチマークと指標群のShadowBench-MCPを提案し、単一ルーターでの予備実験で、効率重視の方針ではシャドー呼び出し率が29.2%、方針考慮型では4.2%に下がったと報告しています。これは単一ルーターによる初期の証拠である、と著者は位置づけています。
説明平面クリーク予想を暗号に応用：平面クリークと拡大グラフ上のノイズ付きk-LINに基づく公開鍵暗号
要約本論文は、標準的な平面クリーク予想（困難性パラメータn^{log^α n}、α∈(0,1)）と、拡大グラフ上のノイズ付きk-LINに関するやや穏やかな困難性予想の下で、多項式サイズの攻撃者に対して証明可能に安全な公開鍵暗号方式を提案する。両予想はNP完全問題の自然な平均ケース版に対応し、数十年にわたり研究されてきた。本方式は、Applebaum、Barak、Wigderson（STOC'10）の先駆的研究で提起された未解決問題に答えるものである。
説明攻撃注入が車両の反応に与える影響：拡張可能な閉ループ敵対的評価フレームワーク
要約本論文は、交通・無線ネットワークシミュレーションプラットフォームVaN3Twin上に構築した、拡張可能な閉ループ敵対的評価フレームワークを提案している。欧州電気通信標準化機構（ETSI）のメッセージ形式に対応した76種類の設定可能な攻撃プロファイルを含み、九つの攻撃スイートに分類されている。改ざんされたメッセージが車両の動きに影響し、その後のメッセージを通じて他車両へ間接的に影響することを、評価で示している。
説明近似算術による計算の委任：「魔法使い」のための対話型証明
要約本論文は、証明者と検証者の双方が浮動小数点などの近似演算を行う、複素数上の算術回路に対する対話型証明を扱う。出力が正しい値に近いことを示すことが目的で、古典的なGKRプロトコルをこの近似設定に拡張している。著者らは、双方が近似計算を行う初の二重に効率的な対話型証明であると主張している。
注目点ゲートを複素単位根で表し、ランダムな単位根で二つの主張を組み合わせて、GKRを複素数の近似算術へ拡張する。摘要は対数空間一様な層状回路に対する証明を報告。
説明モデルを信頼できない構成要素として扱う：ツール利用エージェントにおけるプロンプトインジェクション対策としての決定論的ポリシー執行、人間による承認、汚染追跡（オープンウェイトモデルでの検証付き）
要約本論文は、ツールを使う大規模言語モデルのエージェントがプロンプトインジェクション攻撃にどう対処すべきかを検討している。プロンプト内の防御策と、モデル外部での決定論的な監視、人間による承認、汚染追跡を比較し、13のタスクと12のツールからなる実行環境で、各防御方法から独立した効果ベースの評価器を用いて検証している。Qwen2.5-1.5BとQwen2.5-7Bという2つのオープンウェイトモデルによる実験では、タスク制約付きモニターが攻撃の成功を抑えた一方、限界も示された。
注目点モデルを信頼できない構成要素とみなし、決定的ポリシー執行・人間承認・汚染追跡でツール利用エージェントのプロンプト注入に対抗。2つのオープンウェイトモデルで検証。
説明PRISM：情報ボトルネックによるロール誘導を用いたエージェントのツール権限の反事実的最小化
要約本論文は、ロールエンジニアリングの対象を人間ユーザーからLLMエージェントへ移し、Model Context Protocol（MCP）経由でエージェントが全ツール権限を得た際に生じる過剰な認可の問題に対処するPRISMを提案している。サンドボックス内での構造化された介入により、ツールがタスクに必要かどうかを反事実的に判定するモデルを学習し、情報ボトルネックで軌跡を離散潜在変数に圧縮して、レート歪み曲線の屈曲点からロール数を決定する。三つの公開ベンチマーク（AgentDojo、τ-bench、ToolEmu）で、ロールごとの認可ツール数を78.3%削減し、タスク成功率78.2%、反事実的必要性の正解率88.7%、影響範囲15.9%を達成したとされる。
説明プロンプトインジェクションの相対的安全性：LLMエージェントのための形式化された定義・防御・判定
要約本論文は、メールやWebページなど信頼できない内容を読むLLMエージェントについて、参照エージェントを基準とする「相対的安全性」を提案します。エージェントの漏えいがすべて参照エージェントにも既に存在する漏えいであれば、そのエージェントは相対的に安全とみなされます。PlanTERSと呼ばれる枠組みを示し、小さなエージェント言語、実行時モニターとの合成、観測能力の異なる攻撃者モデルを扱います。栅栏定理を証明し、Isabelle/HOLで栅栏、予算、承認、ループ、双LLMを備えたエージェントの相対的安全性を証明または反証しています。
注目点LLMエージェントのプロンプトインジェクションを相対的安全性で定式化するPlanTERSを提案し、フェンス定理をIsabelle/HOLで機械化している。
説明EVAX：高性能とセキュリティを両立する実用的・先回り型・適応型アーキテクチャの提案
要約本論文は、投機実行攻撃、故障注入攻撃、隠れチャネル攻撃、サイドチャネル攻撃などの既知のマイクロアーキテクチャ攻撃と、その回避型・未知の亜種に対する一貫した防御手法を提案しています。攻撃が検出された時だけ防御を適用することで、既存防御の性能オーバーヘッドを95％以上削減するとしています。生成的フレームワークEVAXで機械学習モデルと安全性重視の性能カウンタを設計し、InvisiSpecは1.26％、Fencingは3.45％のオーバーヘッドに抑えたと報告しています。誤検知は100万命令あたり4件とされています。
注目点新規性は必要時のみ防御を有効化する点と生成的枠組みで検出器を訓練する点にある；InvisiSpecとFencingの性能低下を大幅に抑えたと報告している。
説明ゼロ知識検証による検証者受け入れと合意集約に基づく頑健でプライベートなスウォーム学習
要約本論文は、検証者が生の標本を明かさずに、参照モデルが私有データ上で正しく動作したことをゼロ知識証明で示してから学習に参加する、スウォーム学習の枠組みを提案している。検証者はTendermint型のビザンチン障害耐性合意により、各提出勾配のマスクと品質に基づく集約重みを決定する。非IID分割の4つのベンチマークで、クリーンデータではFedAvgと同等であり、勾配スケーリング攻撃下ではCIFAR-100で clean精度の94%、FashionMNISTで99%超を保持した。一方FedAvgはそれぞれ2.1%と11%にとどまった。
説明コーディングエージェントはコードベースの脆弱性を伝播させる
要約本論文は、既存コードに脆弱性がある場合、LLMベースのコーディングエージェントが新たに書くコードにも同様の脆弱性を持ち込むかを調べたものです。96件のバックエンド実装タスクと、実在するC/C++プロジェクトの20組のタスクで評価しています。その結果、既存コードが安全でないと、エージェントが脆弱なコードを書く頻度が高まることが示されました。
説明コーディングエージェントに腕が生えたとき：デジタルと物理の境界をまたぐ安全リスク
要約本論文は、ArmedAgentという、コーディングエージェントがタスク固有の例示や再学習なしにロボットアームをゼロショットで制御する場合の安全リスクを評価する、初の体系的ベンチマークを提案している。ロバスト性、悪用、間接的なプロンプトインジェクションの3点を、5つのシナリオにわたる36タスクで評価し、シミュレーションと実機のロボットアームで検証している。複数の最先端モデルを試験した結果、現行システムには重大な安全リスクがあるとしている。
注目点ゼロショットでロボットアームを制御するコーディングエージェントの安全リスクを初めて体系的に評価し、シミュレーションと実機で検証している。