にしざわの部屋やな
西澤宏晃

arXiv雑要約

セキュリティ - 2026/08/03 公開

  • PHEとFHEのギャップを埋める：BGN準同型暗号の性能とトレードオフ分析 [cs.CR]目的：PHEとFHEの間のギャップを埋めるBGN準同型暗号の性能とトレードオフ
    • データ分析におけるプライバシー保護の重要性が増しており，暗号技術の活用が求められている。
    • PHEは軽量だが機能が限定的であり，FHEは強力だが計算コストが高いという課題がある。
    • BGN暗号を実用的なエンジンとして確立し，帯域幅制約のある分散アーキテクチャへの応用を目指す。
    • BGN暗号は，PHEやSIMD最適化されたFHEと比較して計算速度は遅いが，公開鍵サイズは非常に小さい（3-6KB）。
    • BGNは，1回の暗号文乗算の後で無限の準同型集約が可能であり，線形回帰推論やコサイン類似度計算などの複雑なタスクをサポートする。
    • 2桁の精度でプレーンテキストランキングと同等の結果が得られ，標的群離散対数復号化のボトルネックを克服できる。

    Link: https://arxiv.org/abs/2607.28700

  • 純DP連続カウントのための任意の実行列分解のコスト [cs.CR, cs.DS, math.FA]目的：純DP（差分プライバシー）の行列メカニズムにおける誤差コストの理論的限界
    • プライバシー保護技術は，データ利用と個人のプライバシー保護の両立を可能にするため重要である。
    • 既存研究では，実数値の行列分解コストの厳密な上限・下限が未確立であった。
    • 任意の有限次元の実行列分解におけるコストを評価し，最適な誤差範囲を明らかにする。
    • 実行列分解コストは，\(n\)（データサイズ）に対して\(\Theta((\log(n+1))^{3/2})\)のオーダーで増加することが証明された。
    • 純\(\eps\)-DP行列メカニズムにおける最適化された最大二乗誤差と平均二乗誤差は，共に\(\Theta(\eps^{-2}\log^{3}(n+1))\)である。
    • 低ランク範囲において，列幅の推定値\(D_k(T_n)\)がハーモニックに変化し，ホルダーの不等式を通じて分解コストに影響を与えることが示された。

    Link: https://arxiv.org/abs/2607.28703

  • ブロックチェーン取引シミュレーションにおけるフィッシング [cs.CR]目的：取引シミュレーションフィッシング攻撃の包括的な研究
    • 暗号資産利用者の増加に伴い，フィッシング攻撃の被害が拡大しているため。
    • 取引シミュレーションは効果的だが，新たな攻撃手法に対する脆弱性が存在する。
    • 動的なブロックチェーンの状態に依存するフィッシング契約を検出し，被害を軽減すること。
    • 取引シミュレーションフィッシング攻撃を可能にするフィッシング契約の分類を開発した。
    • SIMGUARDという，静的および動的プログラム分析を組み合わせた検出システムを提案した。
    • イーサリアム，BSC，Avalanche，Polygonにおいて4,000以上のフィッシング契約を検出し，約348万ドルの損失を確認した。

    Link: https://arxiv.org/abs/2607.28747

  • 合成次数の体における耐漏洩Shamir秘密分散の部分的非ランダム化 [cs.NI, cs.CR]目的：合成次数の体における耐漏洩Shamir秘密分散のための明示的な評価点の構成
    • 秘密分散は，暗号鍵やデータを複数の参加者で安全に共有する基盤技術である。情報セキュリティにおいて重要。
    • 物理的なビット漏洩に対する耐性を持つ秘密分散スキームの構成は困難であり，安全性評価が難しい。
    • 評価点のランダム性を低減し，より効率的かつ安全な耐漏洩Shamir秘密分散スキームを構築することを目指す。
    • 評価点のランダム性を，単純な有理関数Φの反復によるものに置き換えることで，ランダムビット数を削減した。
    • 本構成は，n = O(d/log_p d) の条件において有効であり，単一ブロック漏洩に対して完全な安全性（統計的距離がゼロ）を達成する。
    • 有理反復の相異なる極を利用した部分分数非退化議論により，この構成の有効性が証明された。

    Link: https://arxiv.org/abs/2607.28757

  • TextCloak: RL駆動による学習不能なテキストを用いたLLMの不正利用の阻止 [cs.CL, cs.AI, cs.CR, cs.LG]目的：LLMの不正利用に対するテキストデータの保護
    • LLMの急速な発展は言語処理技術を向上させた一方で，データ不正利用やプライバシー侵害のリスクを高めている。
    • 既存のテキスト保護手法は分類タスクに特化しており，LLMのような生成モデルへの適用が困難である。
    • TextCloakは，汎用的な保護パターンを発見し，LLMの不正利用を効果的に防ぐことを目指す。
    • TextCloakは，テキストの意味と自然さを維持しつつ，LLMが学習困難なテキストを生成する。
    • 実験により，TextCloakは不正なファインチューニングを抑制しつつ，正当な利用におけるテキストの有用性を維持することが示された。
    • モデルアーキテクチャや学習設定，適応的攻撃への耐性も確認されており，実用的な防御策としての適用範囲が広い。

    Link: https://arxiv.org/abs/2607.28862

  • YazSes：オフライン，プライバシー重視，クロスプラットフォームの「話して入力」音声入力システム [cs.CR, cs.HC, cs.SE]目的：オフライン環境でのプライバシーを保護した音声入力システム
    • 音声入力技術は，情報処理の効率化に不可欠であり，様々な分野で利用が拡大している。
    • クラウド型音声入力サービスはプライバシー侵害の懸念があり，オフライン環境での利用は限定的である。
    • プライバシーを保護しつつ，オフライン環境でも利用可能な音声入力システムの実現を目指す。
    • YazSesは，Linux，macOS，Windowsで動作するオープンソースの音声入力システムである。
    • faster-whisperを用いてローカルで音声認識を行い，認識結果をアプリケーションに送信する。
    • LibriSpeechのテストで，Word Error Rateは2.59%～4.82%で，リアルタイムより高速に処理が可能である。

    Link: https://arxiv.org/abs/2607.28878

  • 大規模言語モデル推論のゼロ知識検証における空洞LLM攻撃：計算的に取るに足らない重み [cs.CR]目的：大規模言語モデル推論の忠実な実行検証
    • 大規模言語モデルの利用拡大に伴い，提供者が宣伝するモデルを正確に実行しているかの検証が重要になっている。
    • ゼロ知識証明を用いた検証は魅力的だが，計算コストと実行の正当性を結びつけることができていない。
    • 本研究は，計算コストを欺く「空洞LLM攻撃」を提示し，その対策の必要性を示唆する。
    • 本研究では，代数構造が崩壊した「ゴースト重み」を埋め込むことで，検証を通過しつつ計算コストを削減する攻撃を形式化した。
    • 実験により，標準的なTransformerブロックと組み合わせ可能なゴースト重みの具体的な族を特定し，検証回路の変更なしに高品質を維持しつつ，提供コストを大幅に削減できることを示した。
    • 推論の正当性の証明だけでは，大規模モデルの実行が保証されないことが明らかになり，追加の保護策が必要である。

    Link: https://arxiv.org/abs/2607.28884

  • STEM講義環境における学生の学習関与度をリアルタイムで測定する生体センサーネットワーク [cs.CR, cs.CV, cs.SE, eess.IV]目的：STEM教育における個々の学生の学習関与度をリアルタイムで測定・追跡すること
    • STEM教育において，学生の学習関与度は学業成績や継続学習に重要な影響を与える。
    • 従来の測定方法は，侵襲的，手動による負荷が高い，またはリアルタイムの教室利用に適さないという課題がある。
    • 倫理的・プライバシー上の制約を維持しつつ，行動的，感情的，認知的指標を捉えることで，上記課題を解決すること。
    • 本研究では，分散型センシングノードであるStudent Processing Unit (SPU) を構成する生体センサーネットワークを提案した。
    • SPUは，顔検出，視線推定，感情分析を含む完全なオンデバイス処理を実現し，個人を特定できるビデオデータがデバイス外に出ないことを保証する。
    • このシステムは，デバイス認証，セッションオーケストレーション，暗号化されたデータ取り込みのためのセキュアなバックエンドインフラストラクチャと統合されている。

    Link: https://arxiv.org/abs/2607.28944

  • MESS：多グラフHNSWを用いた高速かつプライバシー保護されたセマンティック検索 [cs.IR, cs.CR]目的：セマンティック検索システムのプライバシー，精度，効率の実現
    • セマンティック検索は情報検索の重要な手法であり，多様な応用分野で活用されている。
    • 従来のセマンティック検索システムは，クラウド環境においてデータやクエリのプライバシーを保護できないという課題がある。
    • データ，クエリ，アクセスパターンを保護しつつ，高精度かつ効率的な検索を実現すること。
    • MESSは，元のベクトルを二値コードに変換し，LSHとランダム応答を適用することでプライバシーを確保する。
    • 多グラフHNSWインデックスを用いることで，擾乱による検索結果への影響を軽減し，高い精度を維持する。
    • MESSは，最先端のベースラインと比較して最大15.08倍低い遅延を実現し，効率性も高い。

    Link: https://arxiv.org/abs/2607.28999

  • ポスト量子TLS展開における政策と現実の乖離 [cs.NI, cs.CR]目的：ポスト量子TLSの採用状況に関する実証的分析
    • サイバーセキュリティの脅威増大により，将来的な暗号解読リスクへの対策が急務となっている。
    • 政策と実際の展開状況との間にずれが生じ，効果的な移行が遅れる可能性がある。
    • 政策と現実のギャップを明確化し，より現実的な移行戦略の策定に貢献する。
    • 大規模なTLSハンドシェイク分析の結果，PQ-TLSの展開は特定のハイブリッド構成に集中していることが判明した。
    • PQ-TLSの導入は，主にマネージドインフラストラクチャプロバイダーによって推進されていることが明らかになった。
    • PQ-TLSはインターネット環境において有意な遅延を引き起こさないものの，従来のTLS構成と併用されることが多い。

    Link: https://arxiv.org/abs/2607.29005

  • GoldenRetriever: プライバシー保護RAGのための非インタラクティブな準同型暗号化検索 [eess.SY, cs.SY, cs.CR, cs.CL, cs.IR]目的：プライバシー保護RAGのための非インタラクティブな準同型暗号化検索のフレームワーク
    • 大規模言語モデルの性能向上に外部知識が重要視される一方，情報漏洩のリスクが懸念される。
    • 既存のプライバシー保護技術は，インタラクティブ性や高い計算コスト，情報漏洩の可能性を抱える。
    • 閾値選択に基づく非インタラクティブな暗号化検索により，効率性と安全性を両立することを目指す。
    • 提案手法は，準同型暗号化と閾値選択を組み合わせることで，検索の計算複雑性を大幅に削減した。
    • 精度安定化マスク偏光法により，近似計算と離散トークン再構成のギャップを埋め，正確な文書復元を実現した。
    • 標準的な検索ベンチマークにおいて，提案手法は競争力のある検索効果と大幅な低遅延性を達成した。

    Link: https://arxiv.org/abs/2607.29019

  • StraightDP：整流フロー変圧器のための幾何学的認識型差分プライバシー [cs.LG, cs.CR, cs.CV]目的：テキスト条件付き生成モデルの差分プライバシー保護訓練におけるユーティリティ低下の改善
    • 生成モデルは多様な応用を持つが，プライバシー保護とモデル性能の両立が課題である。
    • 差分プライバシー保護訓練は，強力なプライバシー設定下でモデル性能が著しく低下する。
    • 整流フローの幾何学的特性を利用し，プライバシー保護とモデル性能のトレードオフを改善する。
    • MNISTデータセットにおいて，StraightDPは，従来のDP-SGDと比較して高い精度とFIDスコアを達成した。
    • 特に，公開された潜在空間においては，精度0.81，FIDスコア56という結果が得られた。
    • 本手法は，SD3-mediumなどの事前学習済みモデルにも適用可能であり，DP-LoRAよりも効率的にプライバシー保護を実現する。

    Link: https://arxiv.org/abs/2607.29100

  • LLMエージェントにおけるメモリー由来の改ざん：持続的メモリーのための非増幅ファイアウォール [cs.CR, cs.AI]目的：LLMエージェントにおけるメモリー由来の改ざんの特定と，それを防ぐProvenance-Preserving Memory Firewall (PPMF)の提案
    • LLMエージェントの長期記憶は有用だが，信頼できない情報源からの影響を排除する必要がある。
    • 既存のフィルタでは，メモリーの集約後の情報源の権限増幅を防げないという課題がある。
    • メモリーの信頼性を維持し，リスクに応じたアクションの実行を制御することを目標とする。
    • メモリー集約時に，外部からの観察がユーザーの履歴やワークフローとして書き換えられる改ざん（メモリー由来の改ざん）を特定した。
    • 提案手法PPMFは，プラットフォームで管理される情報源を保持し，アクションのリスクとメモリーの権限を照合することで，権限増幅を防ぐ。
    • 評価の結果，PPMFは不正な高リスクアクションを阻止しつつ，安全なアクションや低リスクなメモリー利用を許可することが示された。

    Link: https://arxiv.org/abs/2607.29167

  • アライメントは局所的：ユーザー側説得下のGUIエージェントに対するペア診断 [eess.SY, cs.SY, cs.CL, cs.DC, cs.CR]目的：GUIエージェントにおけるアライメントの評価手法
    • ユビキタスコンピューティング環境におけるGUIエージェントの信頼性は重要であり，動的な相互作用下でのアライメント維持が課題である。
    • 現在の軽量防御策は単一ターンでの評価に限定され，実際のユーザーが辿りうる状況でのアライメント劣化が懸念される。
    • 本研究は，多段階の対話におけるアライメントの劣化を評価し，実用的な防御策を提案する。
    • GUIエージェントに対し，一行のガードレールを導入することで，単発のASR（攻撃成功率）を最大で約40ポイント削減できることが示された。
    • しかし，4ターンのエスカレーションチェーンを用いると，ガードレールによるASR低下は約20ポイントに低下し，モデルによって挙動が異なることが判明した。
    • ガードレール下では，明示的な要求よりも隠れた要求の方が成功しやすく，ガードレールが意図を明確にされた場合に主に機能することが示唆された。

    Link: https://arxiv.org/abs/2607.29199

  • MOSAIC：安全なAI計算のマスクアウトソーシング [cs.CR, cs.AI]目的：信頼できるが計算能力の低いクライアントから，信頼できないが強力なサーバーへのAI計算の安全かつ効率的なアウトソーシング
    • AIの発展に伴い，大規模な計算資源が不可欠となり，安全なアウトソーシングの需要が高まっている。
    • サーバーがクライアントの入力やモデル情報を漏洩させるリスクが存在し，安全なアウトソーシングが困難である。
    • クライアントのプライバシーを保護しつつ，効率的なAI計算アウトソーシングを実現すること。
    • MOSAICは，従来の技術よりも大幅に大きな行列に対応する新しい行列乗算マスキングプロトコルを基盤としている。
    • MOSAICは，ノイズの追加とエラーのスケーリングメカニズムにより，クライアントのオーバーヘッドを最適化し，高速な実行時間を実現する。
    • 大規模な70Bモデルでのperplexityは，量子化手法やBF16推論と同等であり，大規模な機密AIの実現に貢献する可能性がある。

    Link: https://arxiv.org/abs/2607.29221

  • JUNO：最適な非同期共通部分集合のための集約ベクトルコンセンサス [cs.CR]目的：非同期ネットワークにおける集約ベクトルコンセンサスの実現
    • 分散システムにおいて，コンセンサスは信頼性確保の根幹をなす重要な技術である。
    • 完全非同期ネットワーク下での効率的なベクトルコンセンサスプロトコルの開発は課題であった。
    • 本研究は，完全非同期ネットワークにおけるベクトルコンセンサスプロトコルの適用ギャップを埋める。
    • 提案手法JUNOは，最適なメッセージ複雑度O(n^2)を達成する非同期共通部分集合(ACS)プロトコルである。
    • 実験結果から，JUNOはHoneyBadgerBFTと比較して平均スループットが93％向上することが示された。
    • また，Doryと比較して47％の改善が見られ，有効性と効率性が確認された。

    Link: https://arxiv.org/abs/2607.29244

  • 5G NRにおける妨害に対する耐性 [cs.CR]目的：5G NRの妨害に対する耐性評価
    • 産業ネットワーク等への5G利用拡大に伴い，信頼性確保が重要課題となっている。
    • 既存研究は固定的な設定での評価が多く，比較検討が困難であった。
    • シミュレーションによる包括的な耐性評価を通じて，改善点特定を目指す。
    • 周波数帯域とチャネル帯域幅が，妨害耐性に大きく影響することが示された。
    • セルラー技術やサブキャリア間隔は，耐性に大きな影響を与えないことがわかった。
    • ns-3シミュレータ上で動作するオープンソースの5G妨害装置を実装し公開した。

    Link: https://arxiv.org/abs/2607.29384

  • グラフベースのラテラルムーブメント検知器に対する公平かつ現実的な性能評価について [cs.CR]目的：グラフベースのラテラルムーブメント検知器の性能評価における公平性と現実性の確保
    • サイバー攻撃対策としてラテラルムーブメント検知は重要であり，その性能評価の信頼性が不可欠である。
    • 既存研究では，データの前処理やラテラルムーブメント関連イベントのラベル付け方法にばらつきがあり，評価の公平性を損ねている。
    • データセットの前処理とラベル付けに関する標準化された手法を提案し，評価の再現性と信頼性を向上させる。
    • 既存のデータセットに対する前処理とラベル付け手法を調査し，それらが評価結果に与える影響を定量的に示した。
    • 標準化された前処理とラベル付けポリシーに基づき，３つの代表的なラテラルムーブメント検知手法を再評価した。
    • 再評価の結果は，元の論文で報告された結果と大きく異なり，データセットの取り扱いが重要であることを強調した。

    Link: https://arxiv.org/abs/2607.29390

  • サーバーへの信頼なしで暗号的な分散バージョン管理システムへのアクセス制御を強制する [cs.HC, eess.SY, cs.SY, cs.CR]目的：分散型バージョン管理システムにおける暗号的なアクセス制御方式
    • ソフトウェア開発や文書管理において，バージョン管理システムの利用が不可欠となっている。
    • 既存のアクセス制御方式は集中サーバーに依存しており，完全な分散環境での利用が困難である。
    • 集中サーバーを介さずに，ファイル単位の細粒度なアクセス制御を実現し，分散環境での安全性を高める。
    • 本研究では，属性ベース暗号と属性ベース署名を用いた分散型アクセス制御方式(DVAC)を提案した。
    • DVACは，既存の分散型バージョン管理システム(Gitなど)に容易に組み込むことが可能である。
    • プロトタイプの性能評価を行った結果，DVACによるオーバーヘッドは軽微であることが示された。

    Link: https://arxiv.org/abs/2607.29417

  • AgenticRepair: エージェント型脆弱性修復のための多面的プログラムコンテキストエンジニアリング [cs.SE, cs.AI, cs.CR]目的：脆弱性修復における多面的プログラムコンテキストエンジニアリング
    • サイバーセキュリティの重要性が増す中，脆弱性への迅速な対応が求められている。
    • 既存のエージェント型アプローチでは，セキュリティエンジニアが日常的に利用する十分なプログラムコンテキストを構築できていない。
    • コード構造，実行時情報，コミット履歴という3つのコンテキストを統合し，脆弱性修復の精度向上を目指す。
    • AgenticRepairは，3種類のLLMサブエージェントを連携させ，多面的プログラムコンテキストをエンジニアリングする。
    • SEC-Benchデータセットを用いた評価で，73%の成功率を達成し，既存の最良手法を29%上回った。
    • 3つのコンテキスト要素は互いに補完し合い，マルチエージェント構造と大規模言語モデルの能力が重要であることが確認された。

    Link: https://arxiv.org/abs/2607.29422

  • ランサムウェアに対する運用型サイバー疫学：感染拡大曲線制御 [cs.CR]目的：ランサムウェア事件管理のためのサイバー疫学フレームワーク
    • ランサムウェア攻撃は甚大な被害をもたらすため，迅速かつ効果的な対策が不可欠である。
    • ランサムウェアの感染拡大は，初期段階での可視化が難しく，対応を遅らせる原因となる。
    • 本研究は，感染拡大の様相を捉え，効果的な封じ込め策を導くことを目指す。
    • ランサムウェア事件を，感受性・潜伏期・感染期・除去期(SEIR)モデルを用いて分析するフレームワークを提示する。
    • 基本再生産数や実効再生産数等の指標を運用に活用し，SOCにおける迅速な意思決定を支援する。
    • 過去の事例研究から，アウトブレイク対策が早期隔離，認証情報封じ込め，復旧シーケンスに有効であることが示唆された。

    Link: https://arxiv.org/abs/2607.29444

  • レジリエンスを超えて：重要インフラサイバーセキュリティにおける反脆弱性 [cs.CR]目的：重要インフラサイバーセキュリティにおける反脆弱性の理論構築
    • 重要インフラは社会と経済の根幹を支えるため，サイバー攻撃からの保護は不可欠である。
    • 既存のサイバーセキュリティ対策は復旧に重点を置いており，混乱下での改善を促す理論が不足している。
    • 混乱下でも改善する「反脆弱性」の概念を導入し，重要インフラサイバーセキュリティの新たな枠組みを提示する。
    • OT関連セクターでは，他のセクターと比較して，破壊的または混合型のイベントの割合が有意に高いことが確認された。
    • ハードウェア・イン・ザ・ループ実験の結果，攻撃ラベルが付いた観測値は，ベースラインからの逸脱が95パーセンタイルを超える確率が有意に高いことが示された。
    • 連続する攻撃ウィンドウにおいて，プロセス状態の逸脱が有意に減少しており，応答の変化が確認された。

    Link: https://arxiv.org/abs/2607.29550

  • CWEEP：CWE早期防止のための語彙的静的解析フレームワーク [cs.CR]目的：RTLにおけるセキュリティ脆弱性の検出
    • ハードウェア層への攻撃が増加しており，セキュリティ検証技術の重要性が高まっている。
    • 既存の検証手法は専門知識が必要で，RTLコードの脆弱性箇所特定に標準的な方法がない。
    • RTL開発初期段階での脆弱性検出と，脆弱性箇所の特定，自動修正提案を可能にすること。
    • CWEEPは，詳細なセキュリティ仕様を必要とせず，RTL開発初期段階での利用が可能である。
    • テスト結果から，CWEEPは最大60.8%の確率で正確な警告を発することが確認された。
    • 既存研究のツールと比較して，CWEEPは警告の正確性において大幅な改善が見られた。

    Link: https://arxiv.org/abs/2607.29604

  • MaNGA銀河における速度分散モデリングのための新しいXAI強化量子敵対的ネットワーク [eess.SY, cs.SY, eess.SP, cs.LG, cs.CR]目的：MaNGA銀河の速度分散モデリングにおける量子敵対的ネットワークの性能向上
    • 銀河の形成と進化の理解には，速度分散が重要な役割を果たすため，その正確なモデリングが不可欠である。
    • 現在の量子機械学習は，予測精度，頑健性，解釈可能性のバランスを取るのが難しいという課題がある。
    • 量子機械学習と古典的なアーキテクチャを組み合わせることで，軽量かつ高性能で解釈可能な予測モデルを開発する。
    • 提案モデル（Vanillaモデル）は，RMSE=0.27，MSE=0.071，MAE=0.21，R^2=0.59を達成し，回帰指標において敵対的モデルと比較して一貫した性能を示した。
    • 敵対的評価者がQNNを導くことで，予測精度とモデルの説明可能性の両方を最適化できることが示された。
    • 本研究は，量子機械学習の適用範囲を拡大し，既存の限界を超える可能性を示唆している。

    Link: https://arxiv.org/abs/2510.24598

  • 潜在的彫刻によるゼロショット汎化：分布外異常検知への多様体学習アプローチ [cs.LG, cs.CR]目的：ゼロショット環境下での異常検知性能向上
    • サイバー攻撃は巧妙化の一途をたどっており，機械学習による検知技術の重要性が増している。
    • 既存の異常検知システムは，学習データに偏りやすく，未知の攻撃に対する汎化性能が課題である。
    • 学習データに存在しない攻撃パターンを検知するためのロバストな手法を開発する。
    • 提案手法Latent Sculptingは，潜在表現を構造化することで，未知の攻撃に対するロバスト性を向上させる。
    • CIC-IDS-2017ベンチマークにおいて，ゼロショット評価でF1スコア0.867，AUROC 0.913を達成した。
    • 特に，潜入攻撃や低容量DoS攻撃など，従来の手法では困難な分布シフトに対しても高い検知性能を示した。

    Link: https://arxiv.org/abs/2512.22179

  • 理論的基盤を持つ低コストなハードラベル敵対的攻撃 [cs.LG, cs.CR]目的：ハードラベル敵対的攻撃の効率性と成功率向上
    • 機械学習モデルの堅牢性は重要であり，攻撃に対する脆弱性を評価する必要がある。
    • 既存のハードラベル攻撃は，初期化や理論的保証が不十分であり，実用性に課題がある。
    • 初期化戦略と最適化アルゴリズムを改善し，理論的保証に基づいた攻撃手法を確立する。
    • 本研究では，既存の攻撃手法を真の勾配符号の近似として捉える理論的枠組みを構築した。
    • ゼロクエリ初期化戦略とパターン駆動型最適化(PDO)アルゴリズムを提案し，高いコサイン類似度と低いクエリ複雑性を実現した。
    • CIFAR-10，ImageNet等の実験で，既存手法を凌駕する成功率と効率性，そして防御機構Blacklightの回避を実証した。

    Link: https://arxiv.org/abs/2601.14300

  • 安全性こそ脆弱性となる：RAGにおける伝達可能なブロックをLLMアラインメントの均質性によって悪用する [cs.CR]目的：RAGシステムにおけるブロック攻撃の伝達可能性
    • LLMの安全性確保は重要だが，その過程で新たな脆弱性が生じる可能性が指摘されている。
    • 既存のブロック攻撃はLLMの進化により効果が薄れ，プロンプトインジェクション対策に阻まれることがある。
    • LLMアラインメントの均質性を利用し，モデル間の知識伝達によってブロック攻撃を成功させる。
    • TabooRAGは，代替RAG環境でクエリごとに最適化された拒否を誘導する文書を生成し，未知のターゲットシステムへ転送する。
    • TabooRAGは指示の注入ではなく，アラインメント駆動型拒否をトリガーするリスクコンテキストを構築する。
    • 9つのLLMと3つのデータセットにおいて，TabooRAGは最先端のASRを達成し，ベースライン平均よりも67.3％高い相対的な改善を示した。

    Link: https://arxiv.org/abs/2603.03919

  • 偽名耐性データ帰属のための商剰セミバリュー [cs.GT, cs.CR, cs.LG]目的：機械学習パイプラインにおけるデータの貢献度評価と支払い分配
    • データへの貢献度を正確に評価し，公正な報酬分配を行うことは，機械学習の発展に不可欠である。
    • データ提供者が偽名を使用したり，データを複製することで，貢献度評価を不正に操作する可能性がある。
    • 偽名操作を抑制し，より公平なデータ帰属を実現するためのメカニズムを提案すること。
    • 商剰セミバリューメカニズムは，個々のデータではなく，証拠に基づいた帰属クラスタに基づいて値を計算することで，偽名操作の影響を軽減する。
    • 固定された単調データ価値ゲームにおいて，正確なShapley公平帰属と偽名耐性は両立しないことが証明された。
    • DataMarket-Gymを用いた実験により，商剰セミバリューは，重複データやニアダブレットによるSybil攻撃に対する操作利益を大幅に削減することが示された。

    Link: https://arxiv.org/abs/2605.07663

  • 戦略的応答下における差分プライバシーを用いた監査 [cs.GT, cs.CR, cs.LG]目的：AIシステムの監査における，戦略的な開発者への対応を考慮したプライバシー保護
    • AIの社会実装が進む中で，データプライバシー保護とシステム透明性の確保が重要である。
    • 従来の監査手法では，開発者が監査を回避する戦略を取る可能性があり，真の潜在的リスクが見過ごされる。
    • 開発者の戦略的応答を考慮した監査設計により，より効果的なリスク評価とプライバシー保護を目指す。
    • 監査者がプライバシー制約下でクエリポリシーとDP予算を決定し，開発者がそれに応じて対策を再配分する状況をStackelbergゲームとして定式化。
    • 単純なDP監査では，検出可能性が不均一な場合，naiveな予算配分が最適な配分よりも大きな未検出の潜在的リスクを生むことを示した。
    • 最適な監査者による予算配分は，福祉重み，監査ミス確率，検出可能性弾性，および対策コストの曲率の4つの要素のバランスである。

    Link: https://arxiv.org/abs/2605.07674

  • 3Dプリンターにおけるノイズキャンセリングがサイドチャネル攻撃を生き残る [cs.CR, cs.ET, cs.LG]目的：3Dプリンターのノイズキャンセリング機能がサイドチャネル攻撃に与える影響の評価
    • 3Dプリンターの利用拡大に伴い，セキュリティリスクの評価が重要になっている。
    • サイドチャネル攻撃は，設計意図とは異なる情報を漏洩させる可能性があり，対策が困難。
    • ノイズキャンセリング機能がセキュリティに及ぼす影響を定量的に評価し，対策の方向性を示す。
    • アクティブ・モーター・ノイズキャンセリングは，音響放射を抑制するが，サイドチャネル攻撃の情報を完全には除去しない。
    • 60秒間の記録では，音響分類の精度が向上するが，印刷時間自体が主要な識別子となる。
    • 振動データには幾何学的情報が含まれるものの，印刷時間との組み合わせでは有意な改善は見られなかった。

    Link: https://arxiv.org/abs/2606.13952

  • プライバシー保護2者間Transformer推論におけるキースイッチングオーバーヘッド削減のための汎用的な手法 [cs.HC, cs.CY, cs.CR]目的：プライバシー保護2者間Transformer推論におけるキースイッチングオーバーヘッドの削減
    • プライバシー保護技術の重要性が高まる中，安全な機械学習推論の効率化が求められている。
    • FHEを用いた推論では，キースイッチングが計算量のボトルネックとなっている。
    • 既存手法の汎用性を高め，キースイッチングオーバーヘッドを大幅に削減することを目指す。
    • 提案手法は，既存のパッキング戦略を変更することなく，オンライン推論時のキースイッチングを削減する。
    • ストレージと通信のトレードオフ技術により，リソース制約下での柔軟なデプロイメントが可能となる。
    • 乗算と回転のパターンに焦点を当てた統合型キースイッチングにより，計算コストを削減する。

    Link: https://arxiv.org/abs/2606.25349

  • ビットコインにおける匿名性の進化する課題：老いゆくプライバシー [cs.CR]目的：ビットコインネットワークにおける匿名化プロトコルの採用状況
    • ブロックチェーン技術の普及に伴い，プライバシー保護の重要性が増している。
    • ビットコインの取引は擬似匿名であり，取引履歴の追跡が可能な点が課題である。
    • ビットコインにおける匿名化技術の利用状況を定量的に把握し，プライバシー保護の現状を明らかにする。
    • CoinJoin，CoinSwap等の匿名化プロトコルの利用状況を大規模に計測し，594万件以上のCoinJoin，2330万件以上のCoinSwap取引を特定した。
    • 匿名化プロトコルの採用率はネットワーク取引全体の1%未満であり，規制強化後に利用が減少する傾向が確認された。
    • Stealth Addressの標準化された採用は確認されず，プライバシー保護を求めるユーザーがより不透明な手段へ移行している可能性が示唆された。

    Link: https://arxiv.org/abs/2607.00772

  • ScopeJudge：攻撃的セキュリティエージェントのためのコストを考慮した事前実行ゲート [cs.CY, cs.CL, physics.soc-ph, cs.CR]目的：攻撃的セキュリティエージェントにおける，範囲外のツール呼び出しの防止
    • LLMエージェントの利用拡大に伴い，セキュリティにおける自動化の重要性が増している。
    • 範囲外のツール呼び出しは，契約違反やシステム停止を引き起こすリスクがある。
    • ユーザーの意図を正確に把握し，範囲外の行動を事前阻止することを目指す。
    • 本研究で作成したScopeJudgeベンチマークは，専門家による評価において高い合意率を示した。
    • 静的なポリシーのみでは，範囲外のツール呼び出しを検知する精度が著しく低下することが確認された。
    • コストと精度のバランスを考慮し，状況に応じた運用ポイントを提案した。

    Link: https://arxiv.org/abs/2607.07774

  • デジタルクレデンシャルエコシステムの検証者中心的概念モデル [cs.CL, cs.CR, cs.CY]目的：デジタルクレデンシャルエコシステムの相互運用性に関するモデル
    • デジタルクレデンシャルは，教育，就業，資格証明など様々な分野で活用が拡大している。
    • 異なる標準が混在し，システム間の相互運用性が不十分であるという課題がある。
    • 検証者がクレデンシャルを信頼して受け入れるために必要な条件を明確にすること。
    • 本研究では，検証者中心の概念モデルを提示し，シグネチャ検証，意味解釈，検証の３層構造を定義した。
    • このモデルは，信頼の前提を明確化し，相互運用性の失敗の原因を説明することに成功した。
    • 学習者向けクレデンシャルや認証フェデレーションへの適用を通じて，オフライン検証やプライバシーへの影響についても考察した。

    Link: https://arxiv.org/abs/2607.10747

  • RRAM-DP：デバイス較正型差分プライバシーによるインメモリエッジ学習 [eess.SY, cs.SY, cs.RO, cs.CR, cs.ET]目的：エッジAIoTにおけるプライバシー保護と高性能なインメモリ学習の実現
    • エッジAIoTはセンシティブなデータを収集するため，プライバシー保護が不可欠である。
    • RRAMデバイスの書き込み時の確率的挙動は精度低下の原因となり，DPへの活用が課題であった。
    • RRAMのデバイスレベルのランダム性を活用し，高性能かつ省エネなDP学習を実現する。
    • RRAM-DPは，RRAMの書き込み検証操作を緩和することで，(ε, δ)-DPを実現し，モデルの有用性を維持する。
    • CIFAR-10/100，STS-B，SST-2において，RRAM-DP-SGDは非プライベートSGDと比較して，最大3.8%の精度低下で済む。
    • RRAM-DP-SGDは，A100およびDiVa-GEMMと比較して，最大57倍の省エネ，2.7倍の高速化を実現する。

    Link: https://arxiv.org/abs/2607.18169

  • CPInj：テキスト協調プロンプト最適化におけるプロンプトインジェクションリスクの解明 [cs.CR, cs.AI]目的：テキスト協調プロンプト最適化(TCPO)におけるプロンプトインジェクションリスク
    • 大規模言語モデルの性能向上には，プロンプト最適化が不可欠である。
    • TCPOは分散環境下で攻撃を受けやすく，悪意のある指示が拡散する危険性がある。
    • TCPOの協調最適化ループに対する新たな攻撃手法とその対策を提示する。
    • 本研究では，Collaborative Prompt Injection (CPInj) 攻撃がTCPOのグローバルプロンプトを汚染し，タスク性能を低下させることを示した。
    • 既存の防御手法はCPInjに対して効果がないことが判明した。
    • Anchored Purification Aggregation (APAgg)という防御手法を提案したが，攻撃は依然として有効であり，更なる対策が必要である。

    Link: https://arxiv.org/abs/2607.18622

  • HijackKV：位置非依存KVキャッシュ再利用における新たな脅威 [cs.CR, cs.AI, cs.LG]目的：大規模言語モデルにおけるKVキャッシュハイジャック脆弱性の実証と対策
    • 大規模言語モデルの推論速度向上には，KVキャッシュが不可欠である。
    • 従来のKVキャッシュ再利用法では，キャッシュヒット率が低く効率に課題があった。
    • 位置非依存KV再利用の脆弱性を悪用し，モデルの挙動を操る攻撃手法を明らかにする。
    • 本研究では，KVキャッシュハイジャック攻撃の実現可能性を示すHIJACKKV攻撃フレームワークを開発した。
    • HIJACKKVは，平均94%の成功率で攻撃を成功させ，現実的な条件下でも有効であることが確認された。
    • また，安全なKV再利用システムを構築するための設計上の知見を提供する。

    Link: https://arxiv.org/abs/2607.19957

  • LLM支援型ISR群におけるミッションレベルの実行保証：検証対応型基盤上で [cs.CR, cs.AI, cs.LO, cs.RO]目的：LLM支援型自律ロボット群のミッションレベルでの実行保証
    • 紛争環境下での協調的な知能，監視，偵察活動において，ロボット群の重要性が高まっている。
    • 単一プラットフォームでは問題ない行動が，群全体としてミッション違反を引き起こす可能性がある。
    • プラットフォーム個々の監視だけでは防げないミッションレベルの違反を検出・特定すること。
    • 提案する三層構成の実行時検証フレームワークは，ミッションポリシーをプラットフォームおよびクロスエージェントの側面へと分解する。
    • 検証対応型メッセージングファブリック上で，プラットフォームの検証結果を集約し，セキュリティと完全性の二軸で構成される代数を用いて融合する。
    • シミュレーション実験では，プラットフォーム個々の監視では検出できない間接的なプロンプトインジェクションを組成的に検出し，違反を引き起こしたプラットフォームを特定した。

    Link: https://arxiv.org/abs/2607.23532

  • マルチスクリーン共謀攻撃に対する画面条件付きウォーターマーキング [cs.CR, cs.MM, eess.IV]目的：マルチスクリーン撮影における共謀攻撃への耐性向上
    • 機密情報の保護は重要であり，画面キャプチャはその大きな脅威となる。
    • 既存手法では，異なる画面で同じウォーターマークを持つ画像が類似し，除去や改ざんのリスクがある。
    • 画面IDを組み込み，共謀攻撃に強いウォーターマーク生成を目指す。
    • CoMSMarkは，画面ごとに異なるウォーターマーク残差を生成し，共謀攻撃への耐性を高める。
    • 共謀抑制損失関数により，残差成分の共有を減らし，改ざんされたサンプルに対する予測エントロピーを高める。
    • 様々な画面撮影条件下で，ウォーターマークの精度を90%以上に維持し，改ざんされたウォーターマークの精度を50%付近に抑える。

    Link: https://arxiv.org/abs/2607.23553

  • DualityCert：量子場理論における破れた双対性の主張の言語モデルによる修復（検証者によるゲート制御） [cs.CR, cs.AI, cs.LG, hep-th]目的：四次元N=1クォークゲージ理論における候補となるザイベルグ双対性の主張の検証
    • 量子場理論は，素粒子物理学の基礎であり，宇宙の根源的な法則を理解する上で不可欠である。
    • 双対性主張の検証は計算が複雑であり，手作業では限界がある。自動化された検証方法が求められている。
    • 言語モデルを活用し，双対性主張の誤りを修正し，検証を効率化することを目指す。
    • DualityCertは，'t Hooft異常の整合性，超ポテンシャルのRチャージの一貫性，中心電荷の一致などを検証する。
    • 検証の結果，言語モデルによる試行錯誤的な修正において，検証者によるゲート制御が最終的な修復成功率を向上させる。
    • モデルによって最適な検証活用戦略が異なり，常に安価な検証証明が有効であることが示された。

    Link: https://arxiv.org/abs/2607.23614

  • SMARM+: リアルタイムIoT環境におけるシャッフル測定の分析と強化 [cs.CR]目的：リアルタイムIoT環境におけるリモートアテステーションのためのシャッフル測定の分析と強化
    • IoTデバイスのセキュリティ確保は重要であり，リモートアテステーションはそのための軽量な基盤技術である。
    • 従来のRA方式は，アトミックなメモリ測定を必要とし，リアルタイム処理との両立が困難であった。
    • SMARMのRTOS環境への適用性と課題を分析し，その性能を向上させること。
    • SMARMのリアルタイム適合性はブロックサイズに大きく依存し，大きなブロックはリアルタイム性を損なう一方，小さなブロックはストレージオーバーヘッドを増大させる。
    • 提案手法SMARM+PRNGおよびSMARM+FPEは，ストレージ要件を削減しつつ，セキュリティとリアルタイム性を維持する。
    • SMARM，SMARM+PRNG，SMARM+FPEの選択に関する指針が，様々な展開シナリオにおいて提供される。

    Link: https://arxiv.org/abs/2607.23698

  • フィンガープリント駆動型自動化：偵察とPoC検証の連携 [cs.CL, cs.IR, cs.CL, cs.CR]目的：ネットワークセキュリティにおける偵察と脆弱性検証の自動化
    • ネットワークセキュリティ対策において，偵察は攻撃成功の鍵となる。的確な偵察は，脆弱性発見と効果的な防御戦略策定に不可欠である。
    • 既存ツールは，精度不足，隠蔽性の欠如，時間消費，連携の煩雑さなど課題が多く，使いこなすのが難しい場合がある。
    • 本研究は，より使いやすく，自動化された偵察と脆弱性検証ツールを開発することで，これらの課題を解決することを目指す。
    • 本ツールは，特定のターゲットに対する自動偵察と詳細なデータ処理を実現できることが確認された。
    • 自動脆弱性検出と検証も行い，ネットワークセキュリティ運用における自動化，検索，利便性の向上に貢献する。
    • オンラインセキュリティシミュレーション環境でのテストにより，本ツールの機能性と有効性が実証された。

    Link: https://arxiv.org/abs/2607.26655

  • InkShield：不正な筆跡模倣に対する筆跡スタイル保護 [cs.CR, cs.CV]目的：筆跡スタイルの不正な模倣に対する防御策の開発
    • 筆跡は個人識別情報であり，重要な法的証拠となりうるため，その保護は不可欠である。
    • 公開された筆跡サンプルからスタイルを再現する技術が進歩し，文書偽造のリスクが高まっている。
    • 公開前に筆跡画像を改変することで，不正なスタイル模倣を防止することを目指す。
    • InkShieldは，デコイライターを利用し，筆跡生成モデルを用いて，筆跡の縁部に沿って微小な摂動を加える。
    • その結果，生成されたサンプルが元の筆跡と誤認される確率を大幅に低下させることが確認された。
    • 保護された筆跡画像は元の画像と視覚的にほぼ同等であり，テキストの可読性も維持されている。

    Link: https://arxiv.org/abs/2607.26976

  • 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：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
    • AI技術の普及に伴い，AIシステムの安全性とプライバシー保護が重要課題となっている。
    • オープンソースコンポーネントのサプライチェーンにおける脆弱性が，プライバシー侵害のリスクを高めている。
    • AIモデルの学習時に機密データを注入し，その抽出を可能とする攻撃手法に対する対策が求められている。
    • 本研究で提案するGradLockは，学習時に機密データをモデルパラメータに巧妙に注入する。
    • GradLockは，MNIST, Imagenette, CelebAにおいて，ほぼ無損失な再構築（SSIM ~ 1.0）と高速な抽出（< 1.0秒）を実現した。
    • GradLockは，量子化，プルーニング，ファインチューニング等の標準的な最適化手法に対しても高い耐性を示すことが確認された。

    Link: https://arxiv.org/abs/2607.27886

  • 知覚に便乗する：マルチモーダルLLMエージェントに対するステルス性のある同時オーディオプロンプト注入 [cs.CR]目的：マルチモーダルLLMエージェントへの同時オーディオプロンプト注入攻撃
    • LLMを活用したマルチモーダルエージェントは，自律タスク実行の新たな手段として注目されている。
    • オーディオ入力には，ユーザ制御外の環境ノイズが含まれ，攻撃の潜在的な経路となりうる。
    • 環境ノイズに隠された悪意のある指示を注入し，エージェントの制御を奪う攻撃手法を検証する。
    • 本研究では，AudioAgentSecurityと呼ばれる新しいベンチマークを構築し，多様な攻撃パターンを評価した。
    • 最先端のエージェントGemini 3 Proに対して平均69.10%の攻撃成功率を達成した。
    • また，音源分離と整合性分析に基づく防御機構CADVが，最大96%の検出精度を示すことを確認した。

    Link: https://arxiv.org/abs/2607.28165

  • 1