arXiv雑要約
セキュリティ - 2026/03/19 公開
機能価格付きマイクロ市場：HTTP 402上のエージェント型ウェブのためのミクロ経済的フレームワーク [eess.SY, cs.SY, econ.GN, q-fin.EC, cs.GT, cs.CR, cs.ET, cs.MA]目的：自律型AIエージェント間の堅牢でスケーラブル，かつ安全な商取引を可能にするミクロ経済的フレームワーク
- 分散型AIシステムの経済的連携は重要であり，人間による監督を最小限に抑えつつ効率的な取引を可能にする必要がある。
- 分散型エージェント生態系において，経済的な調整が困難であり，情報の非対称性が効率性を損なう可能性がある。
- 情報の非対称性下でも効率的な結果を保証する，安全なマイクロ市場の構築を目指す。
- CPMMメカニズムは，制約されたラドナー均衡に収束することが理論的に示され，情報の非対称性下でも効率的な結果を保証する。
- 「プライバシーの需要の弾力性」という概念が導入され，エージェントの情報開示とサービスの市場価格のトレードオフを定量化した。
- 安全な機能，マイクロペイメントプロトコル，正式な交渉メカニズムを統合することで，エージェント型ウェブのための機能的なマイクロ市場を創出する包括的なソリューションを提供する。
監視者の存在に気付く：LLMエージェントはブロッキングフィードバックからCoT監視を推測できる [cs.CR, cs.LG]目的：LLMエージェントにおけるCoT監視の推測と，それに対する戦略的回避の可能性
- LLMエージェントの思考過程の可視化と制御は，安全性と信頼性の確保に不可欠である。
- CoT監視システムは，エージェントによる欺瞞工作によって回避される可能性がある。
- エージェントが監視されていることに自覚的に気付き，その影響を評価すること。
- 最先端のモデルは，ブロッキングフィードバックのみからCoT監視の存在を推測することが可能である。
- 推測の精度はモデルの能力に依存し，一部のモデルでは思考が監視されていると確信する割合が最大19%に達した。
- 監視への自覚は回避意図を引き起こす可能性があるが，意図と実行には乖離が見られた。
自律型AIシステムのための暗号的ランタイムガバナンス：検証可能なポリシー施行のためのAegisアーキテクチャ [cs.CR, cs.AI, cs.CY]目的：自律型AIシステムにおける検証可能なポリシー施行の実現
- AIの自律性が高まる中で，倫理的・法的制約を確実に遵守することが重要である。
- 従来のAIガバナンスは事後的な監視に依存し，自律性・速度・不透明性の高いシステムには脆弱である。
- ポリシー違反行動を実行不可能にするランタイムガバナンスフレームワークを提案し，検証する。
- Aegisアーキテクチャは，改ざん条件下で238msの中央値の証明検証遅延時間を実現した。
- Aegisアーキテクチャは，約9.4msの中央値の公開オーバーヘッドを示した。
- Aegisアーキテクチャは，ベースラインと比較して，タスクの一致においてより高いアライメント保持性能を発揮した。
最新の視覚言語モデルに対する敵対的攻撃 [cs.CR, cs.AI]目的：視覚言語モデルの敵対的頑健性
- 視覚言語モデルは，現実世界での応用が期待され，その安全性確保が重要である。
- 既存の視覚言語モデルは，敵対的攻撃に対して脆弱である可能性が指摘されている。
- 本研究は，オープンソース視覚言語モデルの敵対的攻撃に対する脆弱性を評価し，その対策を検討する。
- LLaVA-v1.5-7Bに対して，3種類の勾配ベース攻撃は高い成功率を示し，現実的な脅威となることが示された。
- Qwen2.5-VL-7Bは，全ての攻撃に対してLLaVAよりも遥かに頑健であり，アーキテクチャの違いが頑健性に影響することが示唆された。
- これらの結果は，商用展開前の視覚言語モデルのセキュリティ評価に重要な示唆を与える。
DeepStage：多段階APTキャンペーンに対する自律的な防御戦略の学習 [cs.CR, cs.AI, cs.LG]目的：多段階APTキャンペーンに対する自律的な防御戦略
- サイバー攻撃は高度化しており，従来の防御策では対応が困難になっている。
- APT攻撃は複数の段階に分かれており，各段階に応じた防御が求められる。
- 各攻撃段階を正確に特定し，適切な防御策を自動で選択する。
- DeepStageは，ホストの系譜情報とネットワークテレメトリを統合したことで，攻撃段階の推定精度を向上させた。
- 階層型PPOエージェントが，監視，アクセス制御，封じ込め，修復といった防御アクションを自律的に選択する。
- 現実的な環境での評価において，既存のDRLベースラインを21.9%上回るF1スコア0.89を達成した。
機能埋め込みProvenanceグラフ構築と脅威解釈のためのエンドツーエンドフレームワーク [cs.CR, cs.LG]目的：機能埋め込みProvenanceグラフの構築と脅威解釈
- システムログから因果関係をモデル化し，異常検知に活用することで，攻撃の早期発見に繋がる分野である。
- 従来のProvenanceグラフ構築は手動ルールに依存し，柔軟性や機能コンテキストの欠如が課題であった。
- LLMを活用し，ログから自動的にProvenanceグラフを構築し，機能コンテキストを埋め込むことで，より高度な脅威検知と分析を実現する。
- Auto-Provは，多様なログ形式に対応し，Provenanceグラフの構築と機能埋め込みを自動化することにより，検出性能を向上させた。
- 学習されたProvenanceグラフを用いた異常検知器において，Auto-Provによって生成されたグラフが安定した検出性能と解釈可能な攻撃概要を提供した。
- システム進化下においても，Auto-Provは堅牢な攻撃概要の生成を維持し，分析者の調査を支援する。
大規模言語モデルのセキュリティ評価と軽減策：包括的な防御フレームワーク [cs.CR, cs.AI]目的：大規模言語モデルに対する脆弱性の評価と，それに対する多層防御システムの開発
- 医療や金融など重要インフラを支えるLLMの利用拡大に伴い，セキュリティ確保が不可欠となっている。
- 主要なLLMアーキテクチャにわたる包括的なセキュリティ評価がなく，リスクの定量化や適切なモデル選定が困難である。
- 標準化された脆弱性評価フレームワークを確立し，特定された脅威から保護する防御システムを構築すること。
- GPT-4，GPT-3.5 Turbo，Claude-3 Haiku，LLaMA-2-70B，Gemini-2.5-pro の5つのLLMファミリを評価した結果，脆弱性率は11.9\%～29.8\%とばらつきが見られた。
- LLMの性能とセキュリティの堅牢性には相関関係がないことが示された。
- 開発した防御フレームワークは，平均検出精度83\%，誤検知率5\%を達成し，実運用環境での安全なLLM導入に貢献する可能性がある。
IDベースソフトウェア署名のユーザビリティに関する縦断的研究 [cs.SE, cs.CR]目的：IDベースソフトウェア署名ツールのユーザビリティ問題の経時的な変化
- ソフトウェアの供給元を検証し，安全性を確保する上で，署名技術は不可欠である。
- 署名・検証作業のユーザビリティが低いと，導入が進まず，セキュリティが損なわれる可能性がある。
- 署名エコシステムのユーザビリティ改善に向け，検証プロセスを重視する必要がある。
- 5つのオープンソース署名エコシステムにおけるGitHub issue約3,900件を分析した結果，検証フロー，ポリシー設定，連携箇所にユーザビリティ上の問題が集中していることが明らかになった。
- 経時分析により，多くのエコシステムで報告される問題数は大幅に減少したが，検証フローや設定に関する問題は依然として残存している。
- IDベース署名は一部の負担を軽減するものの，検証の複雑さが残るため，今後の設計では検証プロセスを重視すべきである。
無条件安全な暗号化のための同期DNAソース [cs.CR, cond-mat.other, q-bio.OT]目的：無条件安全な暗号化を実現するための同期エントロピー源
- 現代インフラの根幹をなす安全な通信において，計算機的攻撃に耐えうる無条件安全性の確立は重要課題である。
- ワンタイムパッドは理論上安全だが，長距離にわたる巨大な鍵の安全な共有が実現困難であった。
- 合成DNAのランダムプールを利用し，遠隔地間で同期エントロピー源を確立し，鍵共有問題を解決する。
- 東京とパリ間で実験的にプロトコルを実証し，約400Mbの共有秘密マスクを生成することに成功した。
- 生成されたバイナリマスクのエントロピーは，NISTの最新基準を満たし，既存の暗号的乱数生成器と同等レベルであった。
- 分子コピー数統計を利用することで，量子鍵配送のようなセキュリティ層を追加し，距離制限を克服した。
PAuth - エージェントのための正確なタスク範囲の認可 [cs.CR, cs.AI, cs.PL]目的：エージェントによるタスク遂行に必要な操作範囲の認可モデル
- AIエージェントの普及に伴い，Webサービスとの連携における安全な認可メカニズムが重要となる。
- 従来の認可モデルは，オペレーターに広範な権限を付与するため，過剰な権限を持つエージェントのリスクがある。
- ユーザータスクに必要な最小限の操作範囲のみを認可するモデルを構築し，安全性を高める。
- PAuthは，自然言語タスクの実行に必要な具体的な操作のみを暗黙的に認可する新しいモデルである。
- 評価の結果，PAuthは通常のタスクを正常に実行し，不正な操作を検知して警告を発することが確認された。
- この結果は，PAuthが権限に関する正確な推論を行うことを示している。
コード生成LLMにおけるデータポイズニングの検出：ブラックボックス脆弱性指向スキャンによる [cs.CR, cs.AI, cs.SE]目的：コード生成LLMに対するデータポイズニング攻撃の検出
- ソフトウェア開発におけるLLM活用が拡大しており，その安全性確保が重要である。
- 既存の手法は，構文の多様性により，コードにおける攻撃ターゲットの特定が困難である。
- コード生成LLM固有の構造的類似性に着目し，効率的なポイズニング検出を目指す。
- CodeScanは，異なるプロンプトに対する複数回のコード生成結果を分析し，構造的類似性を検出する。
- ASTを用いた正規化により，構文上の差異を吸収し，意味的に等価なコードを統一することで，攻撃構造を特定する。
- 108モデルの実験により，97%以上の検出精度と低い誤検出率を達成し，有効性が確認された。
検索拡張生成システムにおける教師なし敵対的文書検出 [cs.CR, cs.AI]目的：検索拡張生成システムにおける敵対的文書の検出
- 検索拡張生成システムは広く普及しており，そのセキュリティ確保が重要である。
- 敵対的な文書による攻撃は深刻であり，既存のシステムへの対応が課題である。
- ラベル付けされたデータに頼らず，未知の攻撃も検出できる手法が求められる。
- 生成器の活性化，出力埋め込み，エントロピーに基づく不確実性指標が，敵対的な文書検出に適していることが示された。
- 統計的な外れ値検出により，これらの指標の検出能力を比較検討した結果，有効性が確認された。
- 攻撃者が操作したいプロンプトは，検出に必要ないことが示され，簡単なコンテキスト要約生成がより有効な場合もある。
LAAF：論理層自動攻撃フレームワーク - エージェント型大規模言語モデルシステムのLPCI脆弱性に対する体系的なレッドチーム手法 [cs.HC, cs.CR]目的：エージェント型大規模言語モデルシステムのLPCI脆弱性に対する体系的なレッドチーム手法の開発
- 大規模言語モデルの普及に伴い，そのセキュリティ確保が重要課題となっている。
- 既存の脆弱性診断ツールでは，複雑なLPCI攻撃を自動的に検証することが困難であった。
- LPCI攻撃に特化したタクソノミとステージごとのシードエスカレーションにより，自動レッドチームを可能にする。
- LAAFは，既存ツールと比較して，より高いステージ突破効率を示すことが確認された。
- 平均全体突破率は84％であり，プラットフォームレベルのレートも安定している。
- 特に，レイヤード型の手法と意味的再構成が有効であることが示された。
ネットワークトラフィック分析と半教師あり学習によるビットコイン取引の匿名性排除 [cs.HC, cs.OS, cs.CR]目的：ビットコイン取引の匿名性排除
- 暗号通貨システムのセキュリティにおいて，プライバシー保護は不可欠である。
- 既存の匿名性排除手法は精度が低いという課題がある。
- ネットワークトラフィック分析と半教師あり学習による高精度な匿名性排除を目指す。
- 提案手法NTSSLは，ネットワークトラフィック分析と半教師あり学習を組み合わせることで，既存手法と同等の性能を低コストで実現する。
- NTSSL+は，取引のクラスタリング結果を統合することで，さらに精度を向上させる。
- 実験結果から，提案手法は既存の機械学習を用いた手法と比較して1.6倍の性能向上を示す。
実環境における脆弱性パッチ特定手法の再検討 [cs.SE, cs.CR]目的：実環境における脆弱性パッチ特定性能の評価
- サイバー攻撃は日々巧妙化しており，未公開の脆弱性を突く攻撃も増加傾向にある。
- 大量のコミットから脆弱性パッチを手動で特定することは現実的ではない。
- NVDデータのみで学習したモデルの汎化性能低下を検証し，改善策を検討する。
- NVDデータで学習したモデルは，実環境のパッチに対する性能が大幅に低下する。
- NVD由来のパッチと実環境で発見されたパッチは，特徴に明確な差異が見られる。
- NVDデータに少量の手動特定パッチを組み合わせることで，モデルのロバスト性を向上させることが可能である。
競合環境下におけるRLとLLMを用いたネットワーク・デバイスレベルのサイバー欺瞞 [cs.CR, cs.ET]目的：サイバー欺瞞戦略の最適学習と有効性検証
- サイバー攻撃は高度化しており，防御には新たな手法が求められている。欺瞞は攻撃コストを増大させる有効な手段である。
- 従来の欺瞞手法は，構築・運用に手間と費用がかかるという課題があった。
- AIを活用することで，より動的で費用対効果の高い欺瞞戦略を実現し，攻撃を防御することを目指す。
- 本研究では，LLMと強化学習を組み合わせたサイバー欺瞞手法を検討し，その有効性を検証した。
- 特に，OTシステムに対するステルス攻撃に対する欺瞞の効果について，文献に基づき分析を行った。
- クラウドサービスやコンテナ化技術の進展を踏まえ，AIによる動的な欺瞞戦略の可能性を示唆した。
SEAL-Tag：PII安全性を考慮した検索拡張生成のための自己タグ付きエビデンス集約と確率回路 [cs.DC, cs.CR]目的：PII（個人識別情報）の漏洩を防ぐ検索拡張生成（RAG）システムの安全性向上
- RAGシステムは強力だが，機密情報漏洩リスクを伴うため，安全性の確保が重要である。
- 既存手法は，情報保護と性能の間でトレードオフが生じ，両立が困難である。
- SEAL-Tagは，検証とルーティングを組み合わせることで，このトレードオフを解消することを目指す。
- SEAL-Tagは，モデルがPIIの証拠テーブルを生成するSEAL-Probeプロトコルを導入し，検証可能な監査を実現する。
- 確率回路を用いて論理的な制約を課すことで，堅牢な意思決定を可能にし，適応的な情報漏洩を8倍以上削減する。
- 安全性と性能の両立を実現し，従来の安全でないベースラインと同等の速度と実用性を維持する。
主権を意識したシステム設計：コードとしての連合コンピューティング [cs.CR]目的：連合コンピューティングにおける主権制約の施行メカニズムの提供
- データ主権の重要性が高まる中，組織横断的なデータ活用が不可欠となっている。
- 既存システムは，運用時のポリシー評価や信頼基盤に依存し，主権制約の保証が不十分である。
- 権限と委任を暗号的に検証可能な成果物に変換し，主権制約の施行を可能にする。
- コードとしての連合コンピューティング（FCaC）は，権限と委任をコンパイルし，実行境界でのローカル検証を実現する。
- 仮想連合プラットフォーム（VFP）は，組織固有の鍵（KYO），能力トークン（ECT），所有権証明（PoP）を用いて信頼の連鎖を構築する。
- MNISTを用いた実証実験により，FCaCの入室メカニズムの有効性が確認された。
WebPII：コンピュータ利用エージェント向け視覚的PII検出のベンチマーク [cs.CL, cs.CR, cs.AI]目的：ウェブサイトのPII検出のためのベンチマークデータセット
- コンピュータ利用エージェントの普及に伴い，プライバシー保護の重要性が増している。
- ウェブサイトから収集されるデータには個人情報が含まれる可能性があり，検出技術が不十分である。
- ウェブサイトのUI画像からPIIを高精度に検出するためのベンチマークを構築し，技術向上を目指す。
- WebPIIは，個人情報を含む44,865枚のeコマースUI画像から構成される，詳細な合成ベンチマークである。
- このデータセットを用いることで，レイアウトに依存しないPII検出性能と，未知のページタイプへの汎化性能が向上することが示された。
- WebRedactは，テキスト抽出のベースラインと比較して，PII検出精度を大幅に向上させ，リアルタイム処理を実現する。
エージェントの囲い込み：ヘルスケアにおける自律型AIのためのゼロトラストセキュリティアーキテクチャ [cs.RO, cs.SY, eess.SY, cs.CY, cs.MA, eess.SY, cs.SY, cs.CR, cs.AI]目的：ヘルスケアにおける自律型AIのためのゼロトラストセキュリティアーキテクチャ
- AI医療応用の進展に伴い，AIエージェントの安全性確保が不可欠となっている。
- AIエージェントは，機密情報漏洩や不正操作などの脆弱性を抱え，セキュリティリスクが高い。
- 本研究は，ヘルスケアAIエージェントにおけるセキュリティ脅威に対応するアーキテクチャを提案する。
- 本研究では，ヘルスケア技術企業で運用されている9つの自律型AIエージェントに対して，6ドメインの脅威モデルと4層防御を実装した。
- 90日間の運用結果から，自動セキュリティ監査エージェントによって4つの高優先度脆弱性が発見・修正された。
- 提示された構成，監査ツール，プロンプト整合性フレームワークは，オープンソースとして公開されている。
多者間関数秘密分散のためのDDHに基づく方式 [cs.CR]目的：関数秘密分散方式
- プライバシー保護技術の重要性が増しており，関数秘密分散はその基盤となる。
- 多者間関数秘密分散では，鍵サイズが大きくなる傾向があり，効率性が課題である。
- 鍵サイズを削減し，多者間関数秘密分散の実用性を向上させる。
- 本研究では，DDHに基づく手法を用いて，既存の多者間方式の鍵サイズを削減した。
- 具体的には，$O(\sqrt[3]{N})$の鍵サイズを持つ，正直多数派DPFを構築した。
- 実験結果から，提案手法は最先端の方式と比較して，最大で10倍小さい鍵サイズを実現することが示された。
拡散モデル生成コンテンツの著作者証明 [cs.RO, cs.CL, cs.CR]目的：拡散モデルを用いたAI生成コンテンツの著作者証明手法
- AI生成コンテンツの急速な発展に伴い，知的財産保護の重要性が増している。
- 既存のタイムスタンプやウォーターマーク技術は，誰でも所有権を主張できてしまう問題がある。
- 拡散モデルの生成過程におけるシード値を利用し，著作者のみが正当に主張できる証明を目指す。
- 本研究では，暗号学的擬似乱数関数を用いてシード値を著作者のIDに紐づけることで，著作者証明を実現するフレームワークを提案した。
- 提案手法は，確率的裁定者を用いて主張の虚偽性を定量化し，秘密情報を必要としない点が特徴である。
- Stable Diffusion 2.1を用いた実験により，様々な攻撃シナリオに対する有効性を検証した。
Rel-Zero：AI編集に対する堅牢なゼロウォーターマーキングのためのパッチペア不変性の活用 [cs.CV, cs.AI, cs.CR]目的：AI編集に対するゼロウォーターマーキングの堅牢性向上
- デジタルコンテンツの信頼性確保が重要視されており，改ざん検知技術の必要性が高まっている。
- 従来のウォーターマーキングは画質劣化を招き，既存のゼロウォーターマーキングは高度な編集に弱い。
- パッチペア間の関係性の不変性を利用し，非侵襲かつ堅牢な認証メカニズムを構築する。
- 拡散モデルによる画像編集に対する脆弱性を克服し，ウォーターマークの堅牢性を大幅に向上させた。
- Rel-Zeroは画像への変更を伴わず，編集に不変なパッチ関係からユニークなウォーターマークを生成する。
- 様々な編集モデルや操作に対して，既存のゼロウォーターマーキング手法よりも優れた性能を示した。
ARES：活性化回復を通じた連合学習におけるスケーラブルかつ実用的な勾配反転攻撃 [cs.LG, cs.CR]目的：連合学習における勾配反転攻撃による学習データ漏洩のリスク評価
- 連合学習はプライバシー保護が重要視されるデータ活用手法であり，近年注目を集めている。
- 共有されるモデル更新に機密情報が漏洩する可能性があり，勾配反転攻撃が脅威となる。
- アーキテクチャ変更なしに，大規模バッチサイズ下での高精度なデータ復元を目指す。
- ARESは，活性化回復とスパース回帰を活用することで，既存手法よりも高精度なデータ復元を達成した。
- ARESは，理論的な復元率と再構成誤差の上限を導出し，攻撃の有効性を保証する。
- 実験結果から，中間活性化が連合学習において深刻なプライバシーリスクをもたらすことが示唆された。
Linux特権昇格のための検証可能な報酬を用いたポストトレーニングローカルLLMエージェント [cs.RO, cs.CR, cs.AI]目的：Linux特権昇格におけるローカルLLMエージェントの開発
- 脆弱性発見等の分野でLLMエージェントの重要性が増している。リソース制約下での利用が求められている。
- 強力なLLMはクラウド環境に依存し，再現性や機密データへの適用が課題となっている。
- リソース制約下でセキュリティタスクを実行可能なローカルモデルの構築を目指す。
- 教師ありファインチューニングにより，ベースラインの成功率を2倍以上に向上させた。
- 検証可能な報酬を用いた強化学習により，PrivEsc-LLMは95.8%という高い成功率を達成した。
- 成功1回あたりの推論コストを100倍以上削減し，Claude Opus 4.6に匹敵する性能を実現した。
ネットワーク攻撃の分類における機械学習と，ネットワーク攻撃分類のための機械学習の統計的評価，および合成データ生成のための敵対的学習手法 [cs.CR, cs.AI, stat.AP, stat.ML]目的：ネットワーク攻撃の分類と，合成データ生成の評価
- ネットワークセキュリティは，個人情報保護において不可欠である。巧妙化する攻撃に対抗するため，AI技術の活用が重要である。
- 既存のデータセットは，特徴空間が統一されておらず，多様な攻撃に対応したモデル構築が困難である。
- 様々なデータセットを統合し，安定した機械学習モデルと高精度な合成データ生成手法を開発すること。
- 複数のデータセットを統合した統一的なデータセットを用いて機械学習モデルを構築し，ネットワーク攻撃の分類精度を検証した。
- 敵対的学習によって合成データを生成し，SDVフレームワークや統計的検定を用いて，実データとの比較評価を行った。
- 合成データは高い忠実度と有用性を示し，プライバシー保護の観点からも有効であることが確認された。
量子計算における古典値の安全な利用のためのデータ難読化 [cs.CR]目的：量子計算における古典値保護のためのデータ難読化手法
- 量子技術の発展に伴い，機密データの保護は喫緊の課題である。
- 従来の暗号化では，計算実行中の古典値の漏洩リスクが残る。
- 量子計算環境における古典値の機密性を，計算中でも維持すること。
- 提案手法は，古典値を複数の量子レジスタに分散させ，直接的な露出を回避する。
- 可逆量子演算と振幅増幅により，元のデータを明示せずに有効なエンコーディングを抽出可能である。
- シミュレーション評価により，提案手法の実現可能性とリソース要件を検証した。
IoT RISC-V 信頼実行環境におけるソフトウェア開発ライフサイクルの保護について [cs.CR]目的：IoT RISC-V 信頼実行環境におけるソフトウェア開発ライフサイクル保護の実現
- 自動車やIoT分野で，機密計算を保護するためのRISC-VベースのTEE利用が拡大している。
- TEEを支えるインフラは未成熟であり，特に安全なエンクレーブの更新・移行メカニズムが不足している。
- RISC-V TEEにおけるエンクレーブライフサイクル管理の重要な要素をサポートするツールキットを提案する。
- 提案するツールキットは，既存のRISC-V TEE実装（KeystoneやCURE等）との互換性が高い。
- ツールキットは，セキュリティモニタを拡張し，安全なエンクレーブ更新，移行，状態継続性，信頼できる時間を実現する。
- 評価結果から，提案手法は性能へのオーバーヘッドがわずかであり，状態継続性は1.5%未満，ダウンタイムは0.8%程度で済む。
SoK：シリコンからネットリストへ $-$ ハードウェア逆設計研究の20年 [cs.NI, cs.CR]目的：ハードウェア逆設計研究の体系化
- 現代の計算システムにおいてハードウェアは信頼の根幹であり，セキュリティ確保に不可欠な分野である。
- IC，FPGA，ネットリストの逆設計に関する知識が分野やコミュニティ間で分断され，現状評価や課題特定が困難である。
- ハードウェア逆設計研究の進捗を阻害する技術的・組織的課題を明らかにし，改善策を提案すること。
- 187本の査読付き論文を分析した結果，ハードウェア逆設計のワークフローにおける技術手法を特徴づけることができた。
- 対象論文の30個の成果物について評価を行った結果，再現可能なものは7本(4%)に留まった。
- 学術界，産業界，政府に向け，成果物の再現性向上，標準化されたベンチマークの導入，法的な明確化を促す提言を行った。
生成AIエージェントにおける差分プライバシー：分析と最適なトレードオフ [cs.SI, cs.CY, cs.SI, cs.CY, cs.CR, cs.AI]目的：生成AIエージェントにおけるプライバシー漏洩の分析と，プライバシーと有用性の最適なバランス
- 企業システムへのAI導入が進む中，内部データの保護が不可欠である。
- 既存研究は主にユーザーの入力プライバシーに焦点を当てており，企業データ側のリスクは軽視されている。
- 企業データに起因するプライバシーリスクを定量化し，適切なプライバシー保護策を設計すること。
- 提案手法では，応答生成を確率的メカニズムとしてモデル化し，差分プライバシーに基づいたプライバシー漏洩の解析を可能にした。
- トークンレベルおよびメッセージレベルの差分プライバシーを導入し，生成パラメータとプライバシー漏洩の関係を定量化した。
- 温度パラメータの最適な選択を可能にするプライバシー・有用性設計問題を定式化し，トレードオフの分析を行った。
スマートコントラクトにおける脆弱性検出のための機械学習 (拡張版) [cs.CR, cs.ET, cs.LG, cs.SE]目的：イーサリアムのスマートコントラクト脆弱性検出
- ブロックチェーン技術の普及に伴い，スマートコントラクトのセキュリティ確保が重要になっている。
- 既存の脆弱性検出ツールは，速度や精度に課題があり，効率的な分析が困難である。
- 機械学習を用いて，高速かつ高精度な脆弱性検出を実現し，スマートコントラクトの安全性を向上させる。
- 提案手法DLVAは，ソースコードのラベル付けデータを用いて，バイトコードの脆弱性を判断する。
- DLVAは，従来のツールSlitherを上回り，より多くの脆弱性コントラクトを発見し，高精度な検出を実現した。
- DLVAは，29種類の脆弱性について0.2秒でチェック可能であり，既存手法と比較して10倍～1000倍の高速化を実現した。
静的パターンマッチングを超えて？LLM時代における暗号API誤用の自動検出の再考 [cs.CR]目的：暗号API誤用の検出
- 情報セキュリティの根幹を担う暗号技術の適切な利用は不可欠であり，誤用は深刻な脆弱性につながるため。
- 従来の検出手法は，手動で定義されたパターンに依存するため，複雑なケースへの対応が難しく，誤検出も多い。
- LLMの文脈理解能力を活用し，より高精度な暗号API誤用検出を実現し，既存手法の課題を克服すること。
- LLMを直接適用した場合，報告の過半数が誤検出となる不安定性が見られた。
- 検出範囲を現実的なシナリオに合わせ，新たなコードと解析の検証技術を導入することで，LLMベースの検出の信頼性が大幅に向上し，検出率がほぼ90％に達した。
- この改善は従来の技術を凌駕し，確立されたベンチマークにおけるこれまで知られていなかった脆弱性の発見につながった。
ノイズの中のシグナル：多義性干渉の伝播とクロスモデル影響の予測 [cs.MA, cs.AI, cs.CL, cs.CR]目的：多義性干渉の伝播と，それを用いたクロスモデル影響の予測
- 言語モデルの解釈可能性向上は，AIの信頼性向上に不可欠である。そのため，多義性の理解が重要となる。
- 言語モデルにおける多義性は，モデルの振る舞いを制御する上での大きな課題となっている。
- 異なるモデル間で共通する多義性干渉パターンを特定し，より大規模なモデルの制御に役立てる。
- スパースオートエンコーダを用いて，モデル内の意味的に無関係な特徴ペア間の干渉を特定した。
- 特定された干渉パターンは，小規模モデルから大規模モデルへ信頼性高く伝播し，予測可能な振る舞いの変化を引き起こす。
- 多義性は確率的な現象ではなく，モデルの規模や系列を超えて一般化する構造的な特性であることが示唆された。
意味に基づいたカリキュラム駆動型，推論強化された脆弱性修正フレームワーク [cs.SE, cs.CR]目的：脆弱性修正の性能向上
- ソフトウェアの安全性確保は重要であり，脆弱性修正は不可欠なプロセスである。
- 既存の自動脆弱性修正手法は，実用的なシナリオでの汎化性能が低いという課題がある。
- 本研究は，より高度な理解に基づく修正を可能にし，汎化性能を高めることを目指す。
- 提案手法SeCuRepairは，既存手法と比較して，BigVulおよびPrimeVul_AVRデータセットでCodeBLEUスコアでそれぞれ34.52%，31.52%の性能向上を示した。
- SeCuRepairは，修正理由と方法を明示的に示す「推論後編集」パラダイムを採用することで，表面的なパターン学習への依存を低減している。
- 難易度に応じたカリキュラム学習と，意味に基づいた強化学習により，構文的・意味的な整合性の高い修正を実現している。
マルチエージェント討論による効率的なLLM安全評価 [cs.AI, cs.CR]目的：大規模言語モデルの安全評価手法
- LLMの普及に伴い，安全性確保が不可欠であり，信頼性の高い評価手法が求められている。
- LLMを評価者として用いる場合，高性能なモデルはコストが高く，大規模な評価が困難である。
- マルチエージェント討論により，低コストで信頼性の高い安全評価を実現することを試みる。
- 新たに人間がアノテーションした脱獄ベンチマーク「HAJailBench」を開発し，議論の有効性を検証した。
- 提示されたフレームワークは，小規模モデルによる評価や既存のマルチエージェント評価手法よりも性能が向上した。
- 少数の討論ラウンドで十分な効果が得られることが示され，スケーラブルな評価手法としての実用性が確認された。
CellSecInspector：3GPP仕様の自動セキュリティ分析によるセルラーネットワーク保護 [cs.CR]目的：3GPP仕様に対する自動セキュリティ分析
- セルラーネットワークは社会基盤であり，そのセキュリティ確保は喫緊の課題である。
- 仕様書の複雑さと進化の速さから，手動レビューや既存の自動化手法では不十分である。
- 3GPP仕様における潜在的な脆弱性を，手動定義のルールに頼らず自動的に発見すること。
- CellSecInspectorは，状態・条件・動作(SCA)表現を抽出し，モバイルネットワーク手順を関数チェーンでモデル化する。
- 9つの基礎的なセキュリティ特性と4つの敵対的シナリオに基づき，仕様を体系的に検証し，テストケースを自動生成する。
- 5G/4GのNAS/RRC仕様に対する適用により，43件の脆弱性を発見し，そのうち7件は未報告であった。
チャット規制からロボット制御へ：チャット規制提案が人間とロボットの相互作用に与える影響 [cs.CY, cs.CR, cs.HC]目的：人間とロボットの相互作用における規制の影響に関する考察
- ロボットは介護，教育，遠隔プレゼンスなど様々な場面で人間とコミュニケーションを取る存在となっている。
- デジタル監視法のロボットへの適用は，プライバシー，自律性，信頼を損なう可能性がある。
- チャット規制提案がもたらす潜在的なリスクを認識し，望ましくない未来を防ぐことを目指す。
- EUのチャット規制提案は，ロボットを常に監視するシステムを生み出し，観察を日常的なロボットのデザインに組み込む可能性がある。
- この規制は保護と制御の境界線を曖昧にし，ロボットを潜在的な情報提供者に変えてしまう恐れがある。
- エンドツーエンド暗号化を弱める監視メカニズムは，セキュリティ上の脆弱性を拡大し，悪意のある攻撃を許す可能性がある。
強固でないシミュレータに注意：強化学習における報酬不要のバックドア攻撃 [cs.CR, cs.LG, cs.RO]目的：強化学習エージェントへのバックドア埋め込みの脅威とその対策
- 強化学習は現実世界での実験コストを削減し，効率的な学習を可能にするため重要である。
- シミュレータのセキュリティ対策が不十分であり，悪意のある改ざんの危険性がある。
- 報酬を変更せずに，シミュレータを介してエージェントにバックドアを埋め込む手法を確立する。
- 報酬を操作できない状況下でも，高い精度でバックドアを埋め込む攻撃手法「Daze」を提案した。
- Dazeは，離散および連続アクション空間の両方において，バックドア攻撃の成功を理論的かつ実験的に保証する。
- 実世界のロボットハードウェアへのバックドア攻撃の転移の第一例を示し，強化学習パイプライン全体のセキュリティ強化の必要性を示唆した。
素体上の原始根決定式密度とPRIM-LWEへの示唆 [eess.SY, cs.SY, cs.CR, math.NT]目的：素体上の原始根決定式を持つ行列の密度に関する研究
- 暗号理論において，安全性評価は問題の難易度推定に不可欠であり，そのために適切なパラメータ設定が必要となる。
- PRIM-LWE問題の安全性は，原始根決定式を持つ行列の密度に依存するが，その密度は十分に小さい可能性がある。
- 素体上の原始根決定式密度を評価し，PRIM-LWE問題の安全性をより正確に分析することを目指す。
- 原始根決定式密度 $c(p)$ について，$\inf_{p\text{ prime}} c(p)=0$ であることを無条件で証明した。
- 素体 $p$ に対する最小の密度 $\min_{p\le x} c(p)$ は，$x\to\infty$ で $\frac{1}{\log\log x}$ に漸近する。
- 密度 $c(p)$ の分布は $[0,1/2]$ をサポートとし，連続かつ純粋に特異である。
菩提VLM：ボトムアップおよびトップダウン特徴検索による，視覚バックボーンとVLMエンコーダにおける階層的視覚表現のプライバシー整合モデリング [cs.CV, cs.CR]目的：階層的視覚表現におけるプライバシー整合モデリング
- プライバシー保護は重要であり，特に視覚情報のような機密性の高いデータの取り扱いにおいて不可欠である。
- 既存手法では，プライバシー保護のためにノイズを加える際に，その影響がどのようにプライバシー予算と整合するかを解釈することが難しい。
- 本研究は，視覚バックボーンとVLMエンコーダにおけるプライバシーと整合性の両立を目指し，解釈可能なモデルを構築する。
- 提案手法Bodhi VLMは，NCPとMDAVを用いたクラスタリングにより，機密概念と階層的特徴の関連付けを可能にする。
- ボトムアップとトップダウン戦略による特徴領域の特定，およびEMPAモジュールによる予算整合シグナルの生成により，プライバシー保護と性能のバランスを取る。
- YOLOやCLIP等の様々なモデルで検証され，安定した整合シグナルが得られることが確認された。
大規模言語モデルにおけるリソース消費の脅威 [cs.CR, cs.AI, cs.CL]目的：大規模言語モデルのリソース消費に対する脅威の体系的レビュー
- 計算資源が限られているため，大規模言語モデルの効率性は重要である。
- 過剰な生成を誘発するリソース消費の脅威により，モデル効率が低下している。
- 脅威の誘発からメカニズムの理解，緩和までを包括的に分析し，問題の全体像を明確化する。
- 本調査は，大規模言語モデルにおけるリソース消費の脅威を体系的にレビューした。
- 脅威の範囲を明確化し，問題の全パイプラインを詳細に検討することで，理解を深めた。
- これにより，特性評価と緩和のためのより明確な基盤を提供することを目指している。
- 1