arXiv雑要約
セキュリティ - 2026/07/31 公開
FAVA：証拠に基づいた権限グラフを持つ検証済みエージェントの正式な認可 [cs.CR, cs.AI]目的：エージェント実行のための権限を伴う認可フレームワーク
- LLMエージェントの自律的な運用は高度化しており，安全な認可メカニズムが不可欠である。
- 従来のツールレベルの権限では，動的な状況やデータフローの変化に対応できない。
- コンテキスト依存の認可と，実行時の状態に基づいた安全性確保を目指す。
- FAVAは，自然言語タスクを構造化された制約に変換するPermission IRを用いる。
- このIRは，データフロー，依存関係，コンテキストラベルを追跡する権限グラフに変換される。
- FAVAは，複数のシナリオにおいて90.5%の決定コンプライアンス率(DCR)を達成した。
オープンセキュリティベンチマーク：自律型企業サイバー防御に向けて [cs.CR]目的：エージェントAIのサイバー防御における信頼性評価
- 企業におけるサイバー攻撃は巧妙化の一途を辿っており，防御体制の強化が急務である。
- 既存の評価環境は現実の複雑な企業環境を再現できておらず，AIエージェントの信頼性を検証できない。
- 現実的な環境データを用いてAIエージェントの性能を客観的に評価する手段を確立すること。
- オープンセキュリティベンチマーク(OSB)は，現実的な企業環境を再現し，AIエージェントのサイバー防御能力を評価するフレームワークである。
- OSBは，セキュリティ状態のスナップショットを固定化し，客観的な評価基準を提供することで，AIエージェントの信頼性を検証可能にする。
- OSBは，IDセキュリティパックや合成組織データセットを用いて，様々な環境規模や調査手法に対応できる拡張性を持つ。
RoguePrompt：自己再構成のための二層エンコーディングによるLLMモデレーション回避 [cs.CR, cs.AI]目的：LLMモデレーション回避攻撃手法の段階ごとの成功率評価
- LLMは広く利用される一方，安全確保が重要課題となっている。
- プロンプト操作によるモデレーション回避が依然として困難である。
- 多段階攻撃の失敗要因を特定し，より強固なモデレーション構築に貢献する。
- RoguePromptは，Vigenere暗号とROT13暗号の二層エンコーディングにより，高いモデレーション回避率(93.93%)を示した。
- プロンプトの再構成率は79.02%であり，指示の正確な伝達が確認された。
- 最終的な実行成功率は70.18%であり，多段階攻撃における各段階のボトルネックを特定することができた。
バックログ項目からセキュリティガイダンスへ：継続的なセキュリティコンプライアンスに向けて [cs.SE, cs.CR]目的：セキュリティ関連バックログ項目の検出と，関連するセキュリティ要件へのリンク
- 規制対象分野では，開発ライフサイクル全体を通してセキュリティを考慮する必要があり，その重要性は増している。
- バックログ項目にセキュリティ要件を明示的に記述することが難しく，エンジニアは推測に頼らざるを得ない。
- バックログ項目のセキュリティ関連性を自動的に検出し，適切な要件を提示することで，開発者の支援を目指す。
- セキュリティ専門家によるラベル付けデータセットを公開し，セキュリティ関連性の判断において高い合意率(Fleiss' κ=0.787)が得られた。
- セキュリティ関連性分類器は，F2スコア0.774を達成し，既存の古典的な機械学習モデルやオープンソースGPTモデルと同等またはそれ以上の性能を示した。
- RAGパイプラインの予備的な評価では，提示されたセキュリティ条項の半数が，関連性4/5以上と評価され，実用的な可能性が示唆された。
CKKSにおける根底の単位を用いた低遅延ブートストラップ [cs.CR]目的：CKKS準同型暗号方式における近似演算のためのブートストラップ手法
- プライバシー保護計算において，暗号化されたデータの演算処理は重要である。その中でもCKKSは効率的な近似演算を可能とする。
- 従来のCKKSブートストラップは計算コストが高く，実用上のボトルネックとなっていた。特に，多倍長演算が課題。
- 根底の単位を利用することで，CKKSブートストラップの計算量を削減し，効率化を目指す。
- 提案手法SPRUブートストラップは，剰余演算を根底の単位に直接埋め込むことで，乗算深度を大幅に削減。
- OpenFHEライブラリを用いた実験により，スロット数が少ない暗号文において，最大5倍の遅延削減を達成。
- リング次元の縮小も可能となり，計算効率の向上が期待できる。
Granite：ハードウェア・ソフトウェア漏洩契約の基礎検証のためのモジュール手法 [cs.CR]目的：RTLプロセッサの機能的正確性と非漏洩性のモジュール検証
- 近年，サイドチャネル攻撃が深刻化しており，情報漏洩対策が不可欠である。
- 従来の検証手法では，マイクロアーキテクチャの詳細な実装に依存し，柔軟性に欠ける。
- ISAレベルの漏洩契約とサイクルレベルの実行を結びつけることで，より厳密な検証を実現する。
- Graniteは，命令セットアーキテクチャ（ISA）の漏洩契約に基づいて，ハードウェアのサイクルごとの実行を検証する手法である。
- この手法により，秘密に依存しないプログラムは，タイミングサイドチャネル攻撃から保護できることが証明された。
- Graniteはモジュール化されており，サブモジュールの検証結果を組み合わせることで，システム全体の安全性を保証する。
Flock：バッチブール演算の高速検証 [cs.CR]目的：バッチ化された標準的な暗号ハッシュ評価の高速な検証
- SNARKsは，プライバシー保護やスケーラビリティ向上に不可欠。計算効率が鍵となる。
- 大規模なハッシュ評価の証明が，SNARKsのボトルネックとなっている。
- バッチブール演算の検証を高速化し，SNARKs全体の効率を改善する。
- Flockは，BLAKE3圧縮関数の82k回の評価を1コアで毎秒検証可能。
- SHA-256の検証において，既存の最先端技術Binius64より9倍以上高速。
- 10コアでは，BLAKE3圧縮を毎秒66万回以上検証可能。
送って偽装する：エンドツーエンド暗号化グループチャットにおけるトランスクリプト整合性の問題の悪用 [cs.RO, cs.CR]目的：エンドツーエンド暗号化グループチャットにおけるトランスクリプト整合性の脆弱性の検証
- 現代社会において，E2EEメッセージングアプリは機密性の高いコミュニケーションに不可欠である。グループチャットでの意思決定支援機能の重要性が高まっている。
- E2EEメッセージングアプリのグループチャットでは，トランスクリプト整合性が保証されていない場合があり，情報操作や不正行為のリスクが存在する。
- 本研究は，E2EEグループチャットにおけるトランスクリプト整合性の欠如を明らかにし，その悪用事例を検証することで，セキュリティ強化に貢献する。
- 主要なE2EEメッセンジャーは，グループチャットにおいてトランスクリプト整合性を保証しておらず，悪意のある参加者が内容を改ざんできることが示された。
- プロトコルや配信経路の脆弱性を利用し，ソーシャルエンジニアリング，モデレーション回避，投票操作などの悪用シナリオが明らかになった。
- 実装上の問題点（デバイスOSフィンガープリンティングなど）も指摘され，低コストな対策とUI改善の必要性が示唆された。
ThreatForest：プラグ可能なTTPフレームワークマッピングによるマルチエージェント攻撃ツリー生成 [eess.SY, cs.SY, cs.CR, cs.AI, cs.CL, cs.SE]目的：クラウドネイティブアーキテクチャに対する攻撃ツリーの自動生成と，それに対応する対策の提示
- ソフトウェアの安全な開発には脅威モデリングが不可欠であり，クラウド環境でのセキュリティ確保は重要である。
- クラウドネイティブアーキテクチャの脅威モデリングは手動では時間がかかり，専門知識を持つ人材が不足している。
- ソースコードから攻撃ツリーを生成し，TTPフレームワークに基づいて具体的な対策を提示することで，脅威モデリングの効率化を目指す。
- ThreatForestは，ソースコードリポジトリから攻撃ツリーを生成し，MITRE ATT&CK等のTTPフレームワークにマッピングするマルチエージェントシステムである。
- 脅威モデリングのプロセスを段階的なエージェントパイプラインに分解し，人間による検証ポイントを設けることで，信頼性を高めている。
- TTPマッピングの精度がボトルネックであり，特に埋め込みエンコーダの性能が課題であることが示された。
潜在空間の回転同期によるロバストな拡散ウォーターマーキング [cs.CR]目的：拡散モデルにおけるロバストなウォーターマーキング手法
- 生成モデルの応用拡大には，知的財産保護が不可欠である。
- 既存手法は，回転処理等の変換に弱く，ウォーターマークが除去されやすい。
- 回転処理に対する耐性を高め，ウォーターマークのロバスト性を向上させる。
- AnchorMarkは，潜在空間の回転同期という性質を利用し，回転攻撃に対する耐性を大幅に向上させる。
- 初期潜在空間の中心領域に同期アンカーを埋め込むことで，正確な回転角の推定と補正を実現する。
- 画像品質への影響を最小限に抑えながら，ビット精度を向上させることに成功した。
グラフに基づく交通予測における敵対的頑健性の再検討 [cs.CR, cs.AI]目的：グラフベースのAIによる交通予測の敵対的頑健性
- 交通予測は，インテリジェント交通システムの重要な要素であり，その安全性確保が不可欠である。
- 既存の研究では現実的でない脅威モデルや無差別な攻撃目標が用いられており，実用的な評価が不足している。
- 限られた知識と操作可能なセンサーのみを持つ実用的な攻撃に対する防御メカニズムを確立すること。
- 物理法則に基づいた攻撃は特定のリンクのエラーを大幅に増加させるが，ネットワーク全体への影響は小さいことが示された。
- 敵対的学習による防御は，物理法則に基づいた攻撃に対して十分な効果を発揮せず，既存手法の限界が明らかになった。
- 提案する検出・緩和防御は，15のモデル・データセット設定の13個で効果を発揮し，既存手法を上回る性能を示した。
デジタル変電所に対するサイバー攻撃の段階的戦略 [cs.CR, cs.SY, eess.SY]目的：デジタル変電所へのサイバー攻撃戦略の段階的推定
- 電力系統の効率化に貢献するデジタル変電所のセキュリティ確保は重要である。
- 既存の侵入検知システムは攻撃の兆候のみを検知し，全体像の把握が困難である。
- 攻撃の段階を推定することで，効果的な防御策の展開を目指す。
- 提案手法SubCASPは，HMMを用いてIDSログを統合し，攻撃段階を推定する。
- ATT&CKフレームワークに基づいた脅威モデリングを活用し，攻撃経路を遡及的に分析する。
- 再現可能な攻撃グラフデータセットを用いた評価により，様々なIDS観測レベル下での堅牢性が確認された。
分散点関数と関数秘密分散 [cs.CR]目的：秘密重み1ベクトル（点関数）の圧縮加算的共有
- プライバシー保護技術の重要性が増しており，安全な計算基盤が求められている。
- 既存の秘密分散法は計算コストが高く，効率的な共有方法が課題である。
- 分散点関数と関数秘密分散を利用し，効率的な秘密共有を実現する。
- 分散点関数（DPF）の定義，構成，応用について概説した。
- DPFの拡張である関数秘密分散（FSS）についても議論した。
- FSSはDPFの応用範囲を広げ，より多くのプライバシー保護技術を可能にする。
CHARGE：CWE階層構造を活用したハードウェアセキュリティSystemVerilogアサーション生成 [cs.CR]目的：未検証のRTLモジュールに対するセキュリティ特性の自動生成
- ハードウェアセキュリティの重要性が増しており，設計段階での脆弱性検出が不可欠である。
- RTLレベルでのセキュリティ検証は，仕様書の欠如や手作業による負担が大きい。
- CWE階層構造とLLMを活用し，仕様書なしでセキュリティ特性を自動生成する。
- CHARGEは，Hack@DAC18, 19, 21のデザインにおいて42個の既知のバグのうち27個を検出した。
- Hack@DAC21 OpenPiton SoCでは，生成されたSVAの89%がCadence JasperGold FPVで実行可能であり，92.2%は無意味でない。
- CHARGEは，既存のプロパティが誤っていた3つのバグに対して正しくプロパティを記述し，OpenPiton SoCで新たなバグを発見した。
6G対応ヘルスケアIoTのためのエッジにおける適応的セキュリティ [cs.CR]目的：6G対応ヘルスケアIoTにおけるエッジ環境での適応的セキュリティメカニズムの実現
- ヘルスケアIoTは遠隔医療の発展に不可欠であり，リアルタイム性と信頼性が求められる。
- ヘルスケアIoTデバイスからのトラフィック急増は，緊急メッセージの遅延を引き起こす可能性がある。
- エッジゲートウェイにおける適応的なレート制御により，緊急メッセージの遅延を低減し，システム全体の信頼性を向上させる。
- 提案手法NANOEDGEGUARDは，カーネルレベルでトラフィック強度を監視し，多層的なレートポリシーを適用することで，緊急アラームのRTTを13.3%削減することを示した。
- また，NANOEDGEGUARDは，許可されたバーストトラフィック量を46%削減し，効率的なリソース利用を実現した。
- 本研究は，ヘルスケアIoTにおけるエッジゲートウェイでの適応的かつ監査可能なセキュリティメカニズムの有効性を示唆している。
AIエコシステムの信頼性：侵害されたオープンソースコンポーネントにおけるプライバシー漏洩の分析 [cs.CR]目的：オープンソースコンポーネントの侵害を通じたプライバシー漏洩のメカニズム
- AI技術の普及に伴い，そのサプライチェーンのセキュリティ確保が重要課題となっている。
- 既存の攻撃手法では，復元されるデータが汎用的な特徴に留まり，具体的な個人情報を特定できない場合がある。
- モデルパラメータに機密データを巧妙に注入し，高精度なデータ抽出を実現する新たな攻撃手法を提案する。
- GradLockは，訓練時に機密データをモデルパラメータに注入することで，訓練環境へのアクセスなしに，ほぼ無損失（SSIM約1.0）で，かつ高速（1.0秒未満）なデータ抽出を可能にする。
- 従来の訓練時注入攻撃と比較して，量子化，プルーニング，ファインチューニングなどの標準的なデプロイメント最適化に対する耐性が高い。
- ユーザへの実配備実験では，参加者の93.3%が悪意のあるロジックを検出できなかったことが，AIサプライチェーンのセキュリティにおける盲点を示している。
良性に見えて悪意あり：除去可能なカモフラージュによる機械学習アンラーニングを用いたクリーンラベルの休眠から活性化へのバックドア [cs.CR]目的：クリーンラベル制約下および現実的なアンラーニング要求において，アンラーニング前後の高い攻撃成功率と強力な活性化を両立する休眠から活性化へのバックドア攻撃手法
- 近年，機械学習モデルに対するバックドア攻撃が深刻化しており，セキュリティ上の脅威となっている。
- 従来のバックドア攻撃は，埋め込み直後に有効化されるため，悪用前に検知されるリスクがある。
- アンラーニングによってバックドアを休眠状態にし，特定のデータ削除後に活性化することで，検知を回避する。
- 提案手法は，潜在的なバックドアの確立と除去可能な抑制効果を同時に実現する二重生成器学習フレームワークを採用している。
- 実験結果から，提案手法は既存手法と比較して，アンラーニング前の攻撃成功率を低く抑えつつ，アンラーニング後の活性化をより強力に実現できることが示された。
- 潜在的な関連性と除去可能な抑制を連携させることで，クリーンラベルと現実的な削除制約下で信頼性の高い休眠から活性化への移行が可能となる。
コピー可能なコンテキストに基づくセーフガードは，LLMの信頼できる安全性を提供できない [cs.MA, cs.DC, cs.CR, cs.AI]目的：LLMの安全性における限界と，信頼できるアクセス制御の条件
- LLMの急速な発展に伴い，悪用リスクへの対策が急務となっている。
- 既存のセーフガードは，文脈のコピー可能性により，攻撃者の欺瞞を許容しやすい。
- セーフガード，有用性，公開アクセスのトレードオフを明らかにし，安全なLLM利用の条件を探る。
- LLMのセーフガードは，回答の利用方法を事前に知ることができず，二面性の高いタスクで脆弱性を持つ。
- コピー可能なコンテキスト下では，攻撃支援の最低限のレベルが存在し，安全性，有用性，公開アクセスが両立しないトレードオフが示された。
- 信頼できる資格情報と既存のセーフガードの組み合わせが，実際の利用を予測する情報を提供し，安全性を高める可能性が示唆された。
SNNにおける推論エネルギー増加：サンプルごとおよび普遍的なスポンジ攻撃 [cs.CR, cs.AI, cs.LG]目的：SNNの推論時のエネルギー消費量を増加させる攻撃手法の検討
- SNNは低消費電力で動作するため，常に起動状態のバッテリー駆動エッジシステムへの応用が期待されている。
- SNNの効率性は，セキュリティ上の脆弱性にもつながりうる。特に検知が困難な攻撃が課題である。
- 入力空間の効率性攻撃によるエネルギー消費量の増加を，イベントベースSNNに特化して検証し，対策を検討する。
- 提案手法であるサンプルごとのスポンジ攻撃は，NMNIST, SHD, IBM DVS Gestureデータセットにおいて，推論時のSynOpsを1.5～2.6倍に増加させた。
- 初めてとなる普遍的なスポンジ攻撃を提案し，すべてのデータセットでSynOpsを1.09～1.24倍増加させることを確認した。
- SynOps増加をLoihi-1のエネルギー消費量に換算した結果，推論ごとのオーバーヘッドは14μJ～13.24mJに達した。
時間的ポイズニング：SNNにおけるイベント再分配によるクリーンラベルバックドア [cs.CR, cs.AI]目的：SNNに対するクリーンラベルの時間的ポイズニング攻撃
- ニューロモーフィックコンピューティングの発展に伴い，SNNのセキュリティが重要になっている。
- SNNに対するバックドア攻撃は，汚染されたラベルを用いるものが主流であり，クリーンラベル攻撃は未検討だった。
- 時間軸の変換による，ラベルを改変しないクリーンラベルバックドア攻撃の有効性を示す。
- 提案手法は，３つのニューロモーフィックデータセットにおいて，攻撃成功率1.00を達成した。
- 時間軸を潰す防御は攻撃を検知できず，特徴空間での検出は限定的な状況下でのみ有効である。
- ステップごとのイベント質量に基づくモデルフリー検出器は，評価された時間的変換を検出できた。
クラウドベースIoTアクセス制御ポリシーにおける情報フローの検証（拡張版） [cs.CR, cs.LO, cs.SE]目的：IoTアクセス制御ポリシーにおける不要な情報フローによるセキュリティ脆弱性の特定
- IoTデバイスの普及に伴い，セキュリティ確保の重要性が増している。
- IoT環境では，デバイス間の信頼度やサブシステムによる区分が存在するため，単独での権限検証では不十分である。
- アクセス制御ポリシーに起因するデバイス間情報漏洩リスクを形式手法を用いて検証する。
- AWS IoT Coreのコンポーネントを形式的にモデル化し，アクセス制御ポリシーによるデバイス間の通信を情報フローグラフで表現した。
- SMTソルバーを活用してグラフの有限表現を構築し，デバイス間の情報フローを検証できるツールIOT:POKERを実装した。
- 現実的なシナリオと実世界のポリシーに対する評価により，本アプローチの有効性を示した。
エージェントハーネス蒸留：自律型マルチエージェントシステムにおける推論時ハーネスの抽出と活用 [cs.CR]目的：推論時のハーネス抽出と，それに関連するセキュリティリスクの定量化
- 大規模言語モデルを用いた自律型マルチエージェントシステムは，複雑なタスクを協調して実行する上で不可欠である。
- 推論時に動的に形成されるハーネスは知的財産であり，その漏洩リスクは未解明であった。
- 推論時ハーネス抽出による知的財産漏洩リスクを明らかにし，その対策を検討する。
- Agent Harness Distillation (AHD)フレームワークを開発し，推論時ハーネスの抽出が可能であることを示した。
- AHDは，ブラックボックスな相互作用を通してターゲットエージェントからハーネス能力を抽出し，精緻化することで，高精度なハーネスの再現に成功した。
- 欺瞞に基づく防御策が，ハーネス抽出の有効性を低減しつつ，保護されたエージェントの有用性を維持できることを示した。
知覚への寄生：マルチモーダルLLMエージェントに対するステルス的な同時音声プロンプト注入 [cs.CR]目的：マルチモーダルLLMエージェントに対する同時音声プロンプト注入攻撃の脅威とその対策
- LLMエージェントの利用拡大に伴い，音声インタラクションを通じた自律的なタスク実行が重要になっている。
- 音声入力は環境ノイズの影響を受けやすく，悪意のある指示が混入しやすいというセキュリティ上の脆弱性が存在する。
- 本研究は，ユーザの音声に隠された悪意のある指示を検出し，エージェントの乗っ取りを防ぐことを目指す。
- 本研究では，エージェントに悪意のある指示を秘かに「寄生」させる手法を開発し，高い攻撃成功率（Gemini 3 Proで平均69.10%）を達成した。
- 新たなベンチマークAudioAgentSecurityを構築し，11種類の最先端エージェントに対する攻撃を体系的に評価した結果，脆弱性が確認された。
- 音源分離と一貫性分析に基づく防御機構CADVを提案し，90%以上の高い検知成功率で音声プロンプト注入攻撃を効果的に軽減できることを示した。
テクノロジーを活用した卓上訓練：サイバーセキュリティ教育における知見 [cs.CY, cs.CR]目的：サイバーセキュリティ教育におけるテクノロジーを活用した卓上訓練の統合
- サイバー攻撃は増加の一途をたどっており，高度な専門知識を持つ人材の育成が急務である。
- 大学のサイバーセキュリティ教育では，実践的な訓練の機会が不足しているのが現状である。
- インシデント対応やITガバナンスに必要な，協調性や迅速な意思決定能力を育成すること。
- INJECT Exercise Platform（IXP）を導入することで，シナリオの自動進行とデータに基づいた評価が可能になった。
- 2024年から2026年にかけて実施した25回の訓練において，学生の積極的な参加と協調性が確認された。
- 教員はチームのシナリオへの取り組み方をより明確に把握でき，教育効果の向上に貢献した。
古典的な手法，新たなモデル：単純な画像変換が最新のAIベースコンテンツモデレーションを欺く方法 [cs.AI, cs.CR, cs.SE]目的：AIベースの画像コンテンツモデレーションシステムの脆弱性
- 有害コンテンツの拡散防止は重要であり，大規模なコンテンツモデレーションが求められる。
- 従来のコンテンツモデレーションは，ポリシーの網羅性と文脈理解に限界がある。
- 大規模基盤モデルを用いたモデレーションAPIの信頼性と安全性を評価する。
- 3つの商用画像モデレーションサービスは，勾配や代替モデルを必要としない単純な画像変換によって回避可能である。
- 色反転やグレースケール変換などの固定変換でも，人間には認識可能なコンテンツを維持しながら，安全でないと判断される場合がある。
- マルチモーダルコンテンツや自傷行為に関するコンテンツは，特に脆弱性が高いことが示された。
臨床脳波データに対するプライバシー保護型連合学習のためのセキュアアグリゲーション [cs.CR, cs.DC, cs.LG]目的：臨床脳波データを用いたプライバシー保護型連合学習のためのフレームワーク
- 医療データの共有は重要だが，患者プライバシー保護が課題であるため，安全なデータ活用が求められている。
- 連合学習ではモデル更新時の情報漏えいリスクが存在し，高度なプライバシー保護技術が必要とされている。
- モデル更新時のプライバシー漏えいを防ぐセキュアアグリゲーション技術を臨床脳波データに適用し，安全な連合学習を実現する。
- 提案フレームワークは，グラフベース通信，閾値秘密分散，ドロップアウト耐性アグリゲーションなどを組み合わせ，高いプライバシー保護性能を示す。
- セキュアアグリゲーションは，モデル学習との両立が可能であり，半正直な環境下では低いオーバーヘッドで動作する。
- 悪意のある環境下でのセキュリティ強化や検証機構の導入は，計算コストや通信量の増加を伴うものの，データの一貫性や完全性を確保する。
ワールドモデルに基づく具現化AIの安全性：脅威，防御，評価のライフサイクル [cs.CR, cs.AI]目的：具現化AIにおけるワールドモデルのセキュリティ
- 具現化AIは現実世界と相互作用するため，安全性確保は不可欠である。
- ワールドモデルは予測に基づくため，データの改ざんや攻撃に脆弱である。
- ワールドモデルのライフサイクル全体を考慮したセキュリティ評価を目指す。
- ワールドモデルのライフサイクル全体にわたる脅威を分類し，攻撃手法を明確化した。
- ワールドモデルが持つ安全性確保機能と，脆弱性による安全性の錯覚に焦点を当てた。
- データの出所，堅牢なグラウンディング，不確実性対応，実行ゲート，フィードバック監査といった防御策を提示した。
DRAM読み出し擾乱の解明：RowHammerおよびRowPress現象の実験的特性評価とデバイスレベルモデリングのギャップを埋める [cs.AR, cs.CR]目的：RowHammerおよびRowPress現象における実験的特性評価とデバイスレベルモデリングの乖離を明らかにする
- DRAMは現代コンピューティングの基盤であり，その信頼性確保は極めて重要である。
- DRAMの読み出し擾乱は，セキュリティ上の脆弱性やシステム障害を引き起こす可能性がある。
- 実験とモデル間の不一致を解消し，擾乱メカニズムの理解を深めることを目指す。
- 実験的特性評価とデバイスレベルモデルの間に存在するギャップと不整合が特定された。
- TCADシミュレーションにより，RowHammerおよびRowPress現象の実験結果との整合性が確認された。
- RowHammerおよびRowPressビットフリップの理解を深めるためのデバイスレベルエラーメカニズムを更新し，重要なモデリングパラメータを特定した。
メタデータを用いた分散的EMによる暗号化適合型クラスタリング連邦学習 [cs.LG, cs.CR, cs.DC, stat.ML]目的：クラスタリング連邦学習におけるプライバシー保護，通信コスト，計算効率のトレードオフの解消
- データプライバシー保護の重要性が増す中，分散環境での機械学習の需要が高まっている。
- 既存のクラスタリング連邦学習は，プライバシー，通信，計算効率のバランスを取るのが難しい。
- 暗号化と両立可能なメタデータ利用による効率的なクラスタリング手法を提案する。
- FLAMECHEは，メタデータを用いたクラスタリング連邦学習を分散的EM手続きとして再構築した。
- サーバー側の更新を付加演算に制限することで，既存のセキュア連邦学習方式との互換性を確保した。
- 様々なデータセットでの実験により，FLAMECHEがクライアントモデルの有効性を向上させることが示された。
GenAI拡張システムにおける脅威モデリングの新たな課題：現場からの視点 [cs.MA, cs.SE, cs.CR]目的：GenAI拡張システムに対する脅威モデリング手法の評価
- ソフトウェアの安全性確保は重要であり，脅威モデリングはその中心的な役割を担う。
- 従来の脅威モデリング手法では，GenAI特有のリスクを十分に評価できないという課題がある。
- GenAI拡張システムにおける新たな脅威を特定し，評価手法の改善を目指す。
- 本研究では，中小企業を対象にGenAI対応型脅威モデリング手法の探索的評価を実施した。
- 手法によって特定される脅威に差異が見られ，特にソフトウェアサプライチェーンや人間中心のセキュリティに関するリスク評価が不十分であることが示された。
- 実務者の視点から，これらの手法の使いやすさや開発ワークフローへの統合における課題が報告された。
推論機能を備えた言語モデルによるサイバーセキュリティ検知の分類 [cs.LG, cs.CR]目的：サイバーセキュリティ検知の分類
- セキュリティオペレーションセンター（SOC）における脅威検知の重要性が増している。
- SOC担当者のアラート対応能力を超える過剰なアラートが発生しやすい。
- アラートの妥当性に関する推論能力を持つ分類器を開発し，誤検知を削減すること。
- 本研究では，実データを用いて，推論機能を備えた言語モデルによるトリガー分類器を訓練した。
- その結果，テスト精度は82.6%に達し，誤検知を43.0%改善，悪意のある検知を18.3%改善した。
- 訓練された信頼度較正器は，自動トリガーに不可欠であり，規模よりもターゲットを絞った訓練が重要である。
System-on-Chip設計における準同型暗号に基づくロジックロックの実装 [cs.CR, cs.LO]目的：System-on-Chipにおけるロジックロック方式
- 半導体デバイスの知的財産保護は，競争優位性を維持する上で不可欠である。
- 従来のロジックロックは，パラメータの漏洩リスクがあり，セキュリティが脆弱である。
- 本研究は，パラメータ非公開によるセキュリティ強化を目指す。
- 提案手法は，RISC-V System-on-Chipにおいて，特権切り替えプロセスを保護するロジックロックモジュールを実装した。
- 実装されたロックモジュールは，LUT 3519，レジスタ 2645を消費し，全体でLUT 6.0%，レジスタ 6.9%のオーバーヘッドとなる。
- アンロック処理には約2.6μsを要するが，ユーザーレベルの計算効率への影響は小さい。
セキュリティの形式化 [eess.SY, cs.SY, cs.CY, cs.CR, cs.LO, cs.PL]目的：システムセキュリティの検証と証明支援
- 安全性が重要視される現代において，システムやソフトウェアの信頼性確保は不可欠である。
- 設計や実装の誤りがセキュリティ上の脆弱性となりうるため，厳密な検証が求められる。
- 形式的な手法を用いてセキュリティ特性を検証し，信頼性の高いシステム構築を目指す。
- 証明支援ツールは，設計・実装が期待されるセキュリティ特性を満たすことを検証するために利用される。
- 本研究は，システムセキュリティ，言語ベースのセキュリティ，安全なコンパイル，暗号学への応用を扱う。
- 証明支援ツールは，システムの認証をサポートする動機付けも存在する。
整合暗号系安定性に関する必要条件 [cs.CR, cs.DM]目的：整合暗号系の安定性に関する必要条件の導出
- 暗号技術は，情報セキュリティの根幹であり，現代社会におけるデータ保護に不可欠である。
- 整合暗号系は，特定の構造的弱点により，攻撃に対して脆弱である可能性がある。
- 本研究は，整合暗号系の安定性を評価するための新たな指標を提案し，安全性を向上させる。
- 整合暗号系に対する攻撃手法と，制限されたノイズを用いた防御策を提示した。
- 公開鍵を構成するグラフと重みベクトル関数のスパンの次元が，暗号系の安定性に重要な役割を果たすことを示した。
- 特定の秘密重み関数の座標が制限されたノイズとして表現される場合に，安定性の必要条件を導出した。
分散型人工知能の構成要素に関するレビュー [cs.CC, cs.AI, cs.CR, cs.DC]目的：分散型人工知能の構成要素の特定
- 人工知能技術は社会を大きく変革しており，倫理的な課題解決が急務である。
- 中央集権型人工知能は，プライバシーや所有権などの問題点を抱えている。
- 分散型人工知能は，これらの問題を解決する新たな方向性として注目されている。
- 本研究では，71の研究を対象とした文献レビューを実施し，分散型人工知能の構成要素を体系的に分析した。
- その結果，分散型人工知能の基盤となる技術要素が明らかになった。
- 今後の研究方向性や未解決の課題についても提言を行った。
CLIP誘導によるバックドア防御：エントロピーに基づく汚染データセット分離 [cs.MM, cs.CR, cs.LG]目的：バックドア攻撃に対する防御手法の開発
- 深層学習モデルは広く利用されているが，そのセキュリティ上の脆弱性が課題となっている。
- 既存の防御手法は計算コストが高い，または高度な攻撃に対して効果が低いという問題がある。
- CLIPモデルを用いて，効率的かつ効果的にバックドア攻撃を軽減することを目指す。
- 提案手法CGDは，様々なバックドア攻撃の成功率を1%以下に低減し，クリーンデータの精度低下は0.3%以内に抑えることができた。
- CGDは，既存の防御手法と比較して，優れた性能を示すことが確認された。
- また，CGDはCLIPモデルが弱体化した場合や，CLIP自体がバックドア攻撃を受けた場合でも，高い堅牢性を維持する。
AIに対する安全な人間による監視：社会技術的文脈における脅威モデリング [cs.CR, cs.CY, cs.HC]目的：AI監視におけるセキュリティリスクの特定と軽減戦略
- AIの安全性を確保する上で，人間の監視は重要な役割を担う。
- AI監視自体のセキュリティが軽視されており，新たな攻撃対象となりうる。
- AI監視プロセスにおけるセキュリティリスクを体系的に評価し，対策を講じる。
- 本研究は，AI監視をITアプリケーションとして捉え，脅威モデリングを行うことで，セキュリティリスクを可視化した。
- AI監視へのセキュリティ視点を導入し，研究者や実務家への指針を提供した。
- 攻撃経路と対策の体系的な概要を示し，安全なAI監視の実現に貢献する。
AIチャットボット利用におけるセキュリティ・プライバシーリスク誘発行動の現状 [cs.CR]目的：AIチャットボット利用者のセキュリティ・プライバシーリスク誘発行動の現状把握
- AIチャットボットは急速に普及しており，社会への影響が拡大しているため，セキュリティリスクの理解が不可欠である。
- AIチャットボットの脆弱性を悪用する攻撃が存在し，利用者の不適切な行動がリスクを高める可能性がある。
- 利用者のリスク誘発行動の実態を明らかにし，安全な利用のための対策を検討することを目的とする。
- 調査の結果，週に一度以上AIチャットボットを利用する人の約3分の1が，攻撃を可能にする可能性のある行動を示した。
- また，約4分の1の利用者が，好奇心や情報収集などの理由から，チャットボットの脱獄を試みていることが判明した。
- 多くの利用者はデータの機密性を認識しているものの，データ利用に関する透明性やオプトアウトの仕組みへの理解は低い。
平文構造の脆弱性：分布乱数フィンガープリント特徴抽出器による堅牢な暗号識別 [cs.CR]目的：暗号アルゴリズムの識別
- デジタルセキュリティの基盤であり，ネットワーク防御において重要である。
- テストデータの平文分布が学習データと異なる場合，識別性能が低下する問題がある。
- 平文特徴への依存を低減し，より堅牢な暗号識別手法を開発すること。
- 提案手法は，Canterbury Corpusデータセットにおいて高い識別性能(AUC > 0.98)を達成した。
- クロスドメイン評価において，ベースラインモデルの性能低下が顕著であったのに対し，提案手法は高い堅牢性を示した。
- 特に，ランダムなデータセットでも高いランキング能力(AUC > 0.90)を維持した。
暗号プロトコル実装の自動サイドチャネル解析 [cs.CR]目的：暗号プロトコル実装におけるサイドチャネル脆弱性の自動解析
- 暗号プロトコルの安全性は重要であり，実装時の脆弱性は深刻な脅威となる。
- 形式検証と実装の乖離，マイクロアーキテクチャレベルのサイドチャネル攻撃に対する脆弱性が課題。
- バイナリからプロトコルモデルを抽出し，サイドチャネル攻撃に対する安全性を検証する。
- バイナリからプロトコルモデルを抽出し，Tamarin等のツールによる解析を可能にした。
- WhatsApp Desktopにおいて，ソーシャルグラフ推論を可能にする命令キャッシュサイドチャネルを特定した。
- e-パスポートのBACプロトコルにおける既知の unlinkability 問題をマイクロアーキテクチャレベルで再現した。
MoneroにおけるQubicの利己的なマイニングキャンペーン：証拠，戦術，および限界 [cs.CR]目的：MoneroにおけるQubicのマイニングキャンペーンの分析
- ブロックチェーン技術は金融システムやデータ管理に革新をもたらす重要な技術である。
- プルーフ・オブ・ワーク（PoW）ネットワークにおける51%攻撃の脅威と，その防御策の検証が課題である。
- プライバシー保護機能を持つMoneroネットワークにおける，実際の攻撃事例の分析を通じて，攻撃戦略と影響を解明する。
- Qubicのキャンペーンは，51%攻撃を装った利己的なマイニングであったが，安定した支配力は確認されなかった。
- 標準的な利己的マイニングと防御的なブロック公開戦略を使い分け，報酬面での優位性は得られなかった。
- コミュニティの監視とQubicの対策から，現実のマイニングキャンペーンが環境に応じて変化することが示された。
ひとつの漏洩が招くもの：ファインチューニングされたLLMにおけるjailbreakリスクの増幅 [cs.CR, cs.AI]目的：ファインチューニングされたLLMにおけるjailbreak脆弱性の継承
- LLMは多様な応用を可能にするが，そのセキュリティは重要な課題である。
- ファインチューニングされたLLMが，事前学習済みモデルの脆弱性を引き継ぐ可能性が懸念される。
- 事前学習済みモデルからファインチューニングされたモデルへの脆弱性継承メカニズムの解明
- 事前学習済みモデルで最適化された敵対的プロンプトは，ファインチューニングされたモデルに効果的に転移し，脆弱性が継承されることが示された。
- 転移可能なプロンプトは，事前学習済みモデルの隠れ状態内で線形分離可能であり，転移性に重要な構造が事前学習済み表現に既にエンコードされていることが示唆された。
- Probe-Guided Projection (PGP)攻撃により，転移性の高い方向への最適化が可能となり，事前学習からファインチューニングへの脆弱性継承リスクが強調された。
FinVault：実行に基づいた環境における金融エージェントの安全性のベンチマーク [cs.CR, cs.AI]目的：金融エージェントの安全性評価
- 金融分野は規制が厳しく，セキュリティリスクが深刻であるため，エージェントの安全性が不可欠である。
- 既存の安全評価は言語モデルレベルに偏っており，実際の運用ワークフローにおけるリスクを捉えられていない。
- 金融エージェント特有の攻撃に対する脆弱性を明らかにし，より強固な防御策を開発すること。
- FinVaultは，金融エージェント向けの初の実行に基づいたセキュリティベンチマークである。
- 既存の防御メカニズムは現実的な金融エージェント環境では不十分であり，攻撃成功率は最大50.0%に達する。
- 現在の安全設計の転移可能性に限界があり，金融に特化した防御策の必要性が示唆される。
ゼロ知識証明による回路機能同値性の証明 [cs.CR, cs.LO]目的：第三者知的財産統合におけるセキュリティリスク解決のための，プライバシー保護型ハードウェア検証フレームワーク
- 現代の集積回路開発では，第三者IPの利用が増加しており，セキュリティが重要課題となっている。
- IPベンダーとシステムインテグレーター間の信頼関係構築が困難であり，設計情報の漏洩リスクがある。
- 設計情報を保護しながら，IPの正当性とセキュリティを検証する手法が求められている。
- 提案手法 ZK-CEC は，ゼロ知識証明と形式検証を組み合わせた初のプライバシー保護型ハードウェア検証フレームワークである。
- 秘密の設計に対して公開制約の充足不能性を証明する設計図を提供し，ソフトウェア，ハードウェア，サイバー物理システムに応用可能である。
- 実験結果から，ZK-CECはAES S-Boxのような実用的な回路の検証を現実的な時間内で実行できることが示された。
量子攻撃が原子力発電所を標的とする：脅威分析，防御，緩和戦略 [cs.CR]目的：原子力発電所に対する量子攻撃の脅威とその防御・緩和策
- 原子力発電所の安全確保は重要であり，長期間運用に耐えうるセキュリティ体制が求められる。
- 現在の暗号技術は量子コンピュータによって解読される可能性があり，原子力発電所のセキュリティ上の脆弱性となる。
- 量子コンピュータによる攻撃から原子力発電所を保護するための具体的な対策を提案し，安全性を向上させる。
- 原子力発電所は，将来出現する量子コンピュータによる攻撃に対して脆弱であり，暗号資産の収集から復号までの攻撃（HNDL）がリスクとなる。
- 既存の防御策下では，攻撃成功率は8〜78%に達する可能性があるが，ポスト量子暗号（PQC）への移行により，残存リスクを1〜8%まで低減できる。
- 本研究では，ICS環境における量子攻撃を標準化するためのMITRE ATT&CK拡張を提案し，インフラ攻撃のボキャブラリを拡充した。
ShieldBypass: EMシールドを超えたインピーダンスリークの持続性について [cs.RO, cs.CR, cs.ET]目的：EMシールド環境下におけるインピーダンス変調逆散乱の持続性に関する研究
- 情報セキュリティにおいて，電磁波側路攻撃への対策は重要であり，特に機密情報の漏洩防止が課題である。
- 従来のEMシールドは放射妨害の抑制に有効だが，能動的なRFプロービングに対する対策は不十分である。
- EMシールド環境下でもインピーダンス変調逆散乱が観測可能であり，その情報を悪用するリスクを明らかにすること。
- EMシールドによる放射抑制効果があっても，シールドの減衰帯域外周波数で状態依存的なインピーダンス変動が観測された。
- FPGAやマイクロコントローラを用いた実験により，受動的なEM測定の識別能力は低下する一方，逆散乱応答は分離可能であることが示された。
- これらの結果は，EMシールド環境下でも能動的RFプロービングによって実行依存的な挙動が露出される可能性を示唆している。
Javaライブラリ脆弱性エクスプロイトのクロスバージョン適用可能性の評価 [cs.SE, cs.CR]目的：Javaライブラリ脆弱性エクスプロイトのクロスバージョン適用可能性
- ソフトウェアサプライチェーンのセキュリティにおいて，ライブラリ脆弱性の影響を受けるバージョン特定は重要である。
- エクスプロイトはバージョン固有であり，ライブラリの異なるバージョンに直接適用できないという課題が存在する。
- エクスプロイトのバージョン間適用可能性を大規模に検証し，その課題を解決することを目的とする。
- エクスプロイトは，修正なしでJavaの脆弱バージョン特定において，既存の脆弱性データベースや評価ツールを上回る高い再現率（83.0%）と適合率（99.3%）を示した。
- 本研究により，CPE辞書に796件の確認された欠損脆弱バージョンが追加された。
- エクスプロイトの失敗は主にライブラリの進化や環境変化による互換性の問題に起因し，手動によるエクスプロイト移行により再現率が96.1%に向上した。
パターンマッチングを超えて：プロンプトインジェクション検出のための七つのクロスドメイン技術 [cs.CR, cs.CL]目的：プロンプトインジェクション検出技術の開発
- 大規模言語モデル(LLM)のセキュリティ確保は，その社会実装において不可欠である。
- 既存の検出手法は，言い換え攻撃や適応的な攻撃に対して脆弱性を持つことが課題である。
- LLMセキュリティ以外の分野の技術を応用し，既存手法の弱点を補強する。
- 本研究では，法医学言語学，材料疲労分析など七つの分野の技術を応用した検出手法を提案した。
- 提案手法は，既存の正規表現マッチングやTransformer分類とは独立しており，組み合わせることが可能である。
- 実験結果から，提案手法の一部を組み込んだ防御システムが，複数のベンチマークにおいて高い性能を示すことが確認された。
トリガーの無効化：LLMバックドア軽減のためのテールリスクに基づいた注意再調整 [cs.CL, cs.HC, cs.CR, cs.AI]目的：LLMのバックドア軽減のための注意再調整手法
- LLMのセキュリティは重要であり，悪意のある攻撃から保護する必要がある。
- LLMはバックドア攻撃を受けやすく，正常な入出力時に悪意のある動作を示す可能性がある。
- 本研究は，パラメータ更新やクリーンデータなしでLLMのバックドアを軽減することを目指す。
- TIARAは，推論時にテールリスクに基づいた注意再調整を行うことで，LLMのバックドア攻撃を軽減する。
- TIARAは，パラメータ更新，追加の生成，またはクリーンな参照セットを必要とせず，実用的な推論時間制御層として機能する。
- 実験結果から，TIARAは既存のベースライン手法よりも大幅に高い性能を示し，クリーンタスクの性能劣化も最小限に抑えることが示された。
プロンプトインジェクションが残存する場合：セッションを跨ぐ保存型プロンプトインジェクションによるエージェントセキュリティの再考 [cs.CR, cs.AI]目的：セッションを跨ぐ保存型プロンプトインジェクションという新たな脅威ベクトルの特性評価
- 近年のエージェントシステムはLLMのセキュリティ境界を変化させ，永続的なシステム状態を導入している。
- 悪意のある指示が単一のやり取りに留まらず，将来の実行に影響を及ぼす可能性がある。
- 永続的なシステム境界を越える外部情報の権限付与管理の重要性を示唆する。
- セッションを跨ぐ保存型プロンプトインジェクションのライフサイクルを形式化し，永続化チャネルと組み込みメカニズムの分類を開発した。
- エージェントセキュリティの課題は，信頼できない入力をフィルタリングするだけでなく，永続的なシステム状態の管理にあると示唆された。
- インタラクション中心のセキュリティから状態中心のセキュリティへの移行を促し，永続的なエージェント状態の安全な管理を第一級のセキュリティ原則とすることを提唱する。
- 1
- 2