arXiv雑要約
セキュリティ - 2026/08/04 公開
AArch64機械コードにおける脆弱性検出のためのデジタルツイン [cs.CR, cs.PL, cs.SE]目的：AArch64機械コードの脆弱性検出
- 近年のサイバー攻撃は機械コードレベルの脆弱性を悪用するものが多い。
- ソースコードがない環境での脆弱性検出は困難である。
- 実行時の状態を再現し，脆弱性を検出する手法を提案する。
- 本研究では，プログラムの具体的な実行を再現する説明可能なデジタルツインを提案した。
- 脆弱性はKleene代数を用いた規則として表現し，有限オートマトンでトレースを走査することで検出を実現した。
- 実験の結果，3種類のCWE（整数オーバーフロー，ヌルポインタ参照，ヒープバッファオーバーフロー）全てを検出できた。
英国のインターネットセクターにおけるポスト量子TLS導入状況の測定 [cs.CE, cs.CR, cs.NI]目的：英国のインターネットセクターにおけるポスト量子TLSの導入状況
- インターネットインフラの長期的な信頼性確保において，ポスト量子暗号は重要な要素となっている。
- 観測可能な導入状況は，組織全体の移行進捗を必ずしも反映しないという課題がある。
- 組織の移行準備度を正確に評価するための指標として，観測可能な導入状況の解釈を明確化する。
- HTTPSサービスの44.0%が少なくとも1つの評価されたポスト量子鍵交換グループをサポートしているのに対し，SMTPサービスでは6.4%に留まっている。
- 組織のHTTPSサポートはSMTPサポートよりも有意に多く，インフラプロバイダの属性が組織のセクターよりも導入状況を予測する上で重要であることが示された。
- Webおよびメールインフラの両方でPQCをサポートしている組織は144のみであり，移行状況の不均衡と断片化が明らかになった。
TurboRetry: 大規模QUICハンドシェイクフラッドを汎用DPUオフローディングで軽減 [cs.CR, cs.NI]目的：大規模QUICハンドシェイクフラッドに対する軽減策
- QUICはネットワーク性能とセキュリティを向上させる現代のトランスポートプロトコルであるため，その堅牢性が重要である。
- QUICはハンドシェイクフラッド攻撃に対して脆弱であり，サーバーのCPUリソースを枯渇させる可能性がある。
- 本研究は，DPUオフローディングによりQUICハンドシェイクフラッド攻撃に対する効率的な軽減策を提供することを目的とする。
- TurboRetryは，RetryメカニズムをDPUにオフロードすることで，QUICハンドシェイクフラッドを効率的に軽減する。
- TurboRetryは，RetryタスクをDPUとホストに分割し，QUICのセマンティクスを維持しつつ連携を効率化する。
- 評価の結果，TurboRetryはホスト側実装と比較してスループットを10～20倍向上させることが示された。
EV充電ネットワーク向け多目的AutoMLベースの効率的な侵入検知システム [cs.CR, cs.LG]目的：EV充電ネットワークのセキュリティ向上のための効率的な侵入検知システムの開発
- EV充電システムのIoT化が進み，利便性向上の一方でサイバー攻撃のリスクが増大している
- 従来の機械学習ベースの侵入検知システムは，手動でのモデル設計に依存し，推論速度やモデルサイズが最適化されていない
- 推論速度，モデルサイズ，検知性能を同時に最適化し，実用的なEV充電ネットワークのセキュリティを確保すること
- 提案手法は，CICEVSE2024およびCICIDS2017データセットにおいて，比較手法と同等以上の重み付きF1スコアを達成した。
- 99パーセンタイル推論遅延が低減され，モデルサイズもコンパクトに保たれた。
- 実用的な配置制約下で，EV充電システムおよびIoTセキュリティにおける正確かつ効率的な侵入検知を支援する。
TrainShield：サイバーセキュリティトレーニングのための標的型意識向上 [cs.CR, cs.CY]目的：サイバーセキュリティトレーニングのための文脈適応型学習パラダイム
- サイバー攻撃は技術的脆弱性より人間の行動を突く傾向が強まっており，意識向上策の重要性が増している。
- 従来のオフライン形式のセキュリティ教育は，現実世界との乖離が課題となっていた。
- リアルタイムなリスク検知と学習機会の提供を通じて，行動変容を促すセキュリティ教育を目指す。
- TrainShieldは，ユーザーのワークフローに直接組み込まれた適応学習介入により，文脈に応じたサイバーセキュリティトレーニングを実現する。
- 本研究では，セキュリティインシデントを即時の学習機会へと転換し，ユーザーの意思決定を自動的なものから反省的なものへと変化させる。
- 予備的な研究では，本手法がリスク意識の向上に役立ち，従来のトレーニング形式よりも好ましいと認識されていることが示された。
Microsoft 365 アプリエコシステムのアクセス許可に関する調査 [cs.CR]目的：Microsoft 365 サードパーティ製アプリケーションのプライバシーとセキュリティに関する測定
- 企業の情報資産保護は重要であり，クラウドサービスの利用拡大に伴い，そのセキュリティリスクの評価が不可欠である。
- Microsoft 365 のアプリエコシステムにおけるアクセス許可の付与状況が体系的に調査されておらず，潜在的なリスクが不明確である。
- アプリの要求するアクセス許可と機能の整合性を評価し，過剰な権限付与を特定することで，組織のセキュリティを向上させる。
- 8,000以上のアプリを調査した結果，説明とアクセス許可セットを公開しているアプリは少数であり，透明性にばらつきが見られた。
- トピックを意識した異常検知により，異常なアクセス許可プロファイルを持つアプリと，リスクの高い権限との間に相関関係が確認された。
- 多くのアプリが広範なテナント全体へのアクセス許可を要求しており，最小権限の原則に反し，攻撃対象領域を拡大していることが明らかになった。
バイナリプログラムクラスタリングのための自己教師あり表現学習：経験的研究から検索拡張学習へ [cs.CR, cs.LG]目的：バイナリプログラムのクラスタリング
- サイバーセキュリティにおいて，新たな脅威の発見やマルウェアファミリーの進化分析は不可欠である。
- ラベルに依存しないバイナリプログラムクラスタリングへの自己教師あり学習や表形式データ表現学習の適用は，十分には探求されていない。
- 自己教師あり学習と表形式データ表現学習の有効性を検証し，クラスタリング性能の向上を目指す。
- 自己教師あり学習モデル（BYOL，SimSiam）は，教師ありモデルと同等の性能を示すことが確認された。
- VIMEという表形式データ表現学習手法が，バイナリプログラムクラスタリングにおいて新たな最高水準を確立した。
- VIME-Rという検索拡張型VIMEは，VIMEをさらに改善し，Homogeneityを2.7%～5.8%向上させた。
Antares：エージェント型脆弱性特定のための基盤モデル [cs.CR, cs.AI]目的：エージェント型脆弱性特定のための基盤モデル
- ソフトウェアの安全性確保は重要であり，その基礎として脆弱性特定技術が不可欠である。
- 大規模なコードベースにおける脆弱性特定は，モデルの推論能力と反復的な探索が求められる難題である。
- 本研究は，効率的かつ低コストな脆弱性特定を可能にする基盤モデルの構築を目指す。
- Antaresは，350M，1B，3Bパラメータのコンパクトな言語モデル群であり，GPT-5.5に匹敵する性能を示す。
- オープンウェイトモデルと比較して，200倍以上の性能向上を達成している。
- 単一のH100 GPU上で500タスクの評価を約15分で完了し，タスクあたりの評価コストを低減した。
デジタルツインを活用したマルチスケール計画によるエージェント型インシデント対応 [cs.HC, cs.CY, cs.CR, cs.AI]目的：インシデント対応の自動化
- サイバー攻撃の高度化により，迅速かつ的確なインシデント対応が不可欠となっている。
- 従来のインシデント対応は手動によるものが多く，時間と労力がかかるという課題がある。
- 大規模言語モデルと意思決定理論を組み合わせ，現実的なシステムへの適用を目指す。
- 提案手法は，デジタルツインを用いたシミュレーションとエミュレーションにより，戦術レベルと運用レベルの計画を連携させている。
- 3つの攻撃シナリオにおいて，既存のLLMベースラインと比較して，復旧実行時間が平均15.1％短縮された。
- また，復旧成功率が平均33.6％向上した。
中間ヘッシアンによる時間$2^{0.6039n}$での最短ベクトル問題解決 [cs.IR, cs.DS, cs.CR]目的：最短ベクトル問題の解決
- 暗号理論の安全性において，格子問題の効率的な解決は重要な課題である。
- 既存手法では，高次元格子における最短ベクトル問題の計算量が大きすぎた。
- 周期ガウス関数のヘッシアンの性質を利用し，計算量を削減することを目指す。
- 本研究では，古典計算で時間$2^{0.6039n+o(n)}$，量子計算で$2^{0.5411n+o(n)}$で最短ベクトル問題を解くアルゴリズムを提案した。
- 特に，最短ベクトルの半分におけるヘッシアンの固有ベクトルが，元のベクトルに近いという性質を活用している。
- ランダムな部分格子やサンプリング技術の最適化により，計算量の削減を実現した。
合成次数の体上の耐漏洩型Shamir秘密分散における部分的非ランダム化 [cs.CR, cs.IT, math.IT]目的：合成次数の体上の耐漏洩型Shamir秘密分散における評価点の明示的な構成
- 秘密分散は，暗号資産の安全な共有や多人数合意など，様々な暗号プロトコルにおいて重要な役割を果たす。
- 従来の秘密分散方式は，物理的な情報漏洩に対して脆弱であり，秘密情報の復元を許してしまう可能性がある。
- 本研究では，評価点のランダム性を低減することで，耐漏洩性を維持しつつ，計算効率を向上させることを目指す。
- 評価点のランダム性を$nd \log p$ビットから$d\log p$ビットに削減することに成功した。
- パラメータが$n = O(d/\log_p d)$の範囲であれば，単一ブロック漏洩に対して完全な安全性(統計的距離が正確にゼロ)を達成できる。
- 有理イテレートの異なる極を利用した部分分数非退化議論によって，この構成の有効性が示された。
有限環 ℤ_n 上のワイアシュトラス楕円曲線の分類について [cs.CR, cs.IT, math.AG, math.IT, math.NT]目的：ワイアシュトラス楕円曲線分類
- 暗号理論などに応用があり，数論において重要な研究対象である。
- 有限環上の楕円曲線の分類は未だ十分には解明されていない。
- 有限環ℤ_n上のワイアシュトラス楕円曲線の分類を試みる。
- ワイアシュトラス楕円曲線をℤ_n上で分類した。
- 分類の結果を裏付けるため，広範な計算データを用いた。
- いくつかの予想を提示した。
衛星サイバーセキュリティの再考：システムレベルの分類と経年分析 [cs.CR]目的：衛星に対する攻撃戦術，技術，手順の分類とその経年変化
- 通信，測位，地球観測，防衛において衛星の役割が増大しており，そのセキュリティ確保は喫緊の課題である。
- 既存の調査では，攻撃ライフサイクル全体にわたる敵対的行動や，敵対的機械学習などの新たな攻撃対象が十分に網羅されていない。
- 本研究は，衛星システム特有の攻撃パターンを明らかにし，脅威モデリングと防御策の設計に貢献することを目的とする。
- 衛星システムに対する攻撃は，地上セグメントへの侵入，GNSS妨害，通信遮断，近接に基づく妨害活動，欺瞞的攻撃へとシフトしていることが判明した。
- MITRE ATT&CKに触発された衛星攻撃ライフサイクル分類を提案し，サブシステム悪用，無線周波数干渉，軌道上運用，敵対的機械学習，欺瞞技術を統合した。
- 2022年のViasat KA-SATサイバー攻撃とICARUSコンステレーション大規模DoSシミュレーションの事例研究を通じて，その実用性を示した。
ガリレオOSNMAに対する時間同期操作を用いた実用的な偽装攻撃 [cs.CR]目的：ガリレオOSNMAにおける時間同期操作の脆弱性とその悪用
- 測位・航法・タイミング(PNT)は，社会インフラや自動運転など，現代社会において不可欠な基盤技術である。
- OSNMAは偽装攻撃対策として導入されたが，完全ではないため，攻撃者の巧妙な手法により欺瞞される可能性がある。
- 本研究は，OSNMAの時間同期要件を悪用し，受信機を意図した位置・時刻に欺瞞する攻撃手法を明らかにする。
- 時間同期操作(ATS)条件を特定し，攻撃者がガリレオ信号と受信機のローカル時刻を操作してもOSNMA認証を通過できることを示した。
- TS準拠リプレイ攻撃(TSR)，TS準拠偽造攻撃(TSF)，TS準拠二周波数偽造攻撃(TSDF)の3種類の攻撃フレームワークを提案・実装した。
- 実環境実験により，提案手法が商業受信機およびSDR受信機においてOSNMA認証を通過し，受信機を欺瞞できることを実証した。
小規模言語モデルは，脱獄攻撃に対して信頼できるか？ 包括的評価 [cs.CR, cs.AI]目的：小規模言語モデルの脱獄攻撃に対する脆弱性の評価
- 近年，低コストでプライバシー保護に優れる小規模言語モデルが注目されている。
- 大規模言語モデルと比較して，小規模言語モデルのセキュリティ研究は十分に進んでいない。
- 本研究は，小規模言語モデルの脱獄攻撃に対する脆弱性を定量的に明らかにする。
- 評価された小規模言語モデルの61.0%が，脱獄攻撃に対して40%を超える攻撃成功率を示した。
- 37.3%のモデルは，有害なクエリに対して50%を超える攻撃成功率を示した。
- モデルの脆弱性はサイズではなく，学習データや方法と強く関連していることが示唆された。
SPFinder：既知の脆弱性パッチの追跡におけるコンテキスト長とスケーラビリティの向上 [cs.CR, cs.SE]目的：既知の脆弱性パッチの追跡のためのスケーラブルで効果的な検索フレームワーク
- 脆弱性管理はソフトウェアの安全性を確保する上で不可欠であり，迅速かつ正確なパッチの特定が重要である。
- 既存手法は，長大なコード差分や大規模リポジトリへの対応に課題があり，精度が低下することがある。
- SPFinderは，長大なコンテキストと大規模リポジトリに対応することで，脆弱性パッチの追跡精度向上を目指す。
- SPFinderは，既存のパッチ追跡手法（PatchFinder，PatchScout，VFCFinder）を大幅に上回り，優れた性能を示すことが確認された。
- 特に，主要な商用コード埋め込みモデルであるVoyageAIと比較して，MRRとRecall@10でそれぞれ18％，28％の改善が見られた。
- GitHub Advisory Databaseの35件のCVEに対して，SPFinderを用いてパッチリンクの追跡とマージに成功し，実用性も示された。
物理的攻撃下におけるUAV制御のためのロバストな強化学習ベース制御：ARMOR [cs.LG, cs.CR, cs.RO]目的：UAVが物理的攻撃下でも安全に運用できるロバストな制御手法の開発
- UAVはセンサに依存して動作するため，その安全性が重要である。近年，UAVの利用が拡大している。
- UAVのセンサは，GPSスプーフィング等の物理的攻撃に脆弱であり，安全な飛行を脅かす可能性がある。
- 既存の安全な強化学習手法では，物理的攻撃への対応が困難であるため，ロバストな制御手法が求められている。
- ARMORは，攻撃に強い潜在表現を学習することで，物理的攻撃下でもUAVの安全性を確保する。
- ARMORは，教師あり学習と強化学習の二段階で学習を行うことで，攻撃に関する特別な情報なしでも実用的な性能を発揮する。
- 実験により，ARMORは従来の制御手法よりも性能が優れ，未知の攻撃への汎化性能も高いことが示された。
イーサリアムスマートコントラクトにおけるポンジスキームのセキュリティ分析 [cs.CR]目的：イーサリアムにおけるポンジスキームの分類と特性
- ブロックチェーン技術の発展によりスマートコントラクト利用が拡大し，セキュリティ上の課題が顕在化している。
- スマートコントラクトに組み込まれたポンジスキームは，投資家への経済的損失を引き起こす新たな詐欺手口である。
- ポンジスキームの構造的特徴を分析し，自動検出手法を確立することで被害の抑制を目指す。
- ポンジスキーム型スマートコントラクトを4つの構造タイプに分類し，プログラム分析の観点からその特性を明らかにした。
- Mythrilツールを用いた静的・動的解析により，脆弱性と動作メカニズムを特定した。
- シェルスクリプトとコマンドパターンを用いたバッチ検出により，ポンジスキーム型スマートコントラクトの共通特性を明らかにした。
システム侵入テストの包括的評価と実践 [cs.CY, econ.GN, q-fin.EC, cs.CR]目的：システム侵入テストの方法論および実践
- 情報技術の発展に伴い，アプリケーションの複雑化とサイバーセキュリティリスクの増大が課題となっている。
- 既存のセキュリティ対策では，新たな攻撃手法に対抗しきれない場合がある。
- システムへの攻撃を事前に検出し，防御力を高めるための実践的な手法を確立すること。
- 本研究では，体系的な侵入テストプロセスと技術的アプローチを通じてシステムセキュリティの向上を目指した。
- 既存の侵入テストツールを分析し，その強み・弱み，適用領域を明確にすることで，適切なツール選択を支援する。
- 実際の攻撃プロセスを再現し，成功事例から得られた教訓を分析することで，今後の研究に役立てる。
MoneroにおけるQubicの自己中心的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の自己中心的マイニングキャンペーンの分析
- 暗号通貨のセキュリティは重要であり，プルーフ・オブ・ワークネットワークはその根幹をなす。
- 51%攻撃や自己中心的マイニングといった脅威は，ブロックチェーンネットワークの信頼性を損なう可能性がある。
- 自己中心的マイニング攻撃の実例を分析し，その効果と限界を明らかにすること。
- QubicはMoneroネットワークにおいて，51%攻撃と自己中心的マイニングを実証するキャンペーンを行った。
- しかし，単一の最適化された戦略を用いず，戦略を変化させた結果，正直なマイニングと比べて報酬上の優位性は得られなかった。
- コミュニティの監視とQubicの対策により，実際のマイニングキャンペーンが能動的なエコシステムにどのように適応するかが見られた。
SIEVE：LLMエージェントに対する間接プロンプトインジェクションを防ぐための選択的整合性検証とエスカレーション [cs.AI, cs.CL, cs.CR]目的：LLMエージェントに対する間接プロンプトインジェクション攻撃の防御
- LLMは推論能力が高く，エージェントシステムの中核として利用が拡大している。
- 外部コンテンツを悪用する間接プロンプトインジェクション攻撃が，セキュリティ上の脅威となっている。
- 構造的な証拠に基づき検証を行い，曖昧な場合にのみ詳細な監査を行うことで効率的な防御を目指す。
- SIEVEは，意図グラフを用いてツール遷移と引数のソースを検証することで，間接プロンプトインジェクション攻撃を防御する。
- AgentLureとAgentDojoでの評価において，高い防御率と実用性を実現した（ASR 5.94%, クリーンユーティリティ 97.5%）。
- DRIFTやARGUSと比較して，トークン消費量とAPI呼び出し回数が少ない。
LDPCベースの擬似乱数誤り訂正符号の暗号分析 [cs.CR]目的：LDPCベースの擬似乱数誤り訂正符号に対する暗号攻撃とその限界
- 生成AIモデルの不正利用防止が重要視される中で，検出不能なウォーターマーク技術へのニーズが高まっている。
- 擬似乱数誤り訂正符号（PRC）は新しい暗号プリミティブだが，そのセキュリティは十分に分析されていない。
- LDPC-PRCに焦点を当て，その脆弱性を明らかにし，実用的な攻撃手法を提示すること。
- 本研究では，LDPC-PRCに対して3つの新しい攻撃手法を提案し，その不可検出性と堅牢性に挑戦した。
- 攻撃の複雑さを現実的なパラメータ下で分析した結果，LDPC-PRCのセキュリティ保証が実質的に損なわれることを示した。
- 提案する防御策は存在するものの，生成AIモデルの制約から128ビットのセキュリティを達成することは困難である。
サイバー空間ログと物理測定の複合分析による故障とサイバー攻撃の識別 [cs.CR]目的：DER（分散型エネルギー資源）システムにおける未検出の故障とサイバー攻撃の識別
- 近年，システム障害の要因としてサイバー攻撃と物理的故障が増加しており，その正確な特定が重要である。
- 従来の異常検知では，未検出の故障とサイバー攻撃の区別が困難であり，誤診断のリスクが存在する。
- 本研究は，物理法則への依存を避け，サイバー空間情報と物理測定を統合的に分析することで，この課題を解決する。
- 仮想物理変数指向の汚染解析（PVOTA）アルゴリズムを用いて依存グラフを構築し，文脈依存的なノード剪定技術によりグラフを簡略化する。
- サイバー空間と物理空間のセマンティックギャップを埋めるドメイン知識に基づくパターンを導出し，故障事例のイベントと照合する。
- 5つの事例研究を通じて，提案する半自動統合分析の有効性を評価し，誤分類の可能性も考慮した。
BloQBench：量子超越性のためのブロックチェーンベンチマークフレームワーク [cs.CR]目的：量子超越性の検証における信頼性の高い指標の提供
- 量子コンピュータの実用化が進む中で，その性能評価と検証は不可欠である。
- 従来のベンチマークは，検証方法が不透明で，信頼性に課題があった。
- ブロックチェーン技術を用いて，検証可能な量子超越性の指標を確立すること。
- 本フレームワークは，事前に計算された秘密を用いない古典的に解けないパズルを生成する。
- ブロックチェーンの不変な公開台帳を利用し，量子コンピューターによる計算であることを数学的に検証可能にする。
- 量子超越性の実証をトリガーに，ブロックチェーンが量子耐性のある署名方式に自動的に切り替わる仕組みを提案した。
ターンベース構造トリガー：マルチターンLLMにおける構造条件付きのバックドア [cs.DC, cs.CR, cs.LG]目的：マルチターンLLMにおける構造条件付きバックドアの存在とその有効性
- LLMは対話型アシスタントとして普及し，カスタマイズが容易である。
- ファインチューニングにおける外部ツールの利用は，サプライチェーンリスクを生む。
- 対話構造に着目し，プロンプトに依存しない新たなバックドア手法を提案する。
- ターンベース構造トリガー(TST)は，対話のターン位置をトリガーとするプロンプトフリーなバックドアであり，高い攻撃成功率(98.10%)を達成した。
- TSTは，指定されたターンでのみ攻撃者定義の動作を活性化し，それ以外のターンでは正常に動作する(クリーン率99.96%)。
- 本研究は，対話構造が潜在的な攻撃対象であることを示唆し，プロンプト検査に加えて構造を意識した監査の必要性を提起する。
ニューロモーフィックシステムにおける新たな脅威と対策：サーベイ [cs.CR, cs.AI, cs.ET]目的：ニューロモーフィックシステムのセキュリティ状況の分析
- 脳型コンピューティングは，低消費電力で効率的な計算が可能であり，今後の発展が期待されている。
- 従来のコンピュータとは異なる仕組みのため，セキュリティ脆弱性の評価が遅れている。
- ニューロモーフィックシステムの新たな攻撃手法と対策を体系的に明らかにすること。
- ニューロモーフィックシステムは，非同期処理や確率的なデバイス特性により新たな攻撃対象となる。
- ハードウェアとソフトウェア両面での脆弱性が存在し，様々な攻撃手法が考えられる。
- 物理的非複製関数（PUF）や真乱数発生器（TRNG）等のセキュリティ技術の活用が重要となる。
SoK：DARPAのAIサイバーチャレンジ（AIxCC）：競技設計，アーキテクチャ，および得られた教訓 [cs.CR, cs.AI]目的：AIを活用した自律的なサイバー推論システムの構築に関するAIxCCの包括的分析
- サイバーセキュリティは重要性が増しており，脆弱性への対応は喫緊の課題である。
- 既存の脆弱性分析は人的リソースに依存しており，自動化が求められている。
- AIxCCの分析を通じて，自律的なサイバー推論システムの性能向上に貢献する。
- AIxCCの競技設計，参加チームのアーキテクチャ，そして結果を体系的に分析した。
- LLM等のAI技術が，サイバー推論システムの性能向上に大きく寄与していることが示された。
- 今後の競技設計や，実用的な自律型サイバー推論システムの開発に向けた課題が明らかになった。
LLM APIにおける効率的な変化検出 [cs.LG, cs.CR]目的：LLM APIにおける変化検出手法
- 大規模言語モデルの安定運用には，モデルの変化を迅速かつ正確に検出することが不可欠である。
- 既存手法は，コストが高くスケーラブルでないか，モデル内部情報へのアクセスを必要とする。
- 出力トークンのみを観察する，低コストで厳密なブラックボックスな変化検出手法を確立すること。
- Border Inputsと呼ばれる特定の入力を用いることで，効果的な変化検出が可能となることが示された。
- 提案手法B3ITは，既存手法と比較して30倍のコスト削減を実現し，厳密なブラックボックス環境で動作する。
- 非推論タスクにおいてBorder Inputsが容易に発見でき，グレーボックス手法と同等の性能を達成する。
キメラ：信頼性の高いデータプレーンインテリジェンスのためのニューロシンボリック注意プリミティブ [cs.RO, cs.NI, cs.AI, cs.CR, cs.LG]目的：データプレーンにおける信頼性の高い推論
- ネットワークトラフィック分析の高速化が求められている
- ハードウェア制約と予測可能な動作の保証が課題である
- ニューロシンボリックな手法で課題を解決することを目指す
- キメラは，注意メカニズムとシンボリック制約をデータプレーンのプリミティブにマッピングするフレームワークである。
- カーネル化された線形化された注意近似と，キー選択階層，カスケードフュージョン機構が特徴である。
- 商用プログラマブルスイッチのリソース制約内で高精度な推論が可能であることを実証した。
コンテナサンドボックスからの脱出能力の定量化 [cs.RO, cs.CR, cs.AI]目的：大規模言語モデルのサンドボックス脱出能力の測定
- LLMは自律エージェントとして利用が拡大しており，セキュリティリスクが顕在化している。
- LLMを安全に運用するためのサンドボックス環境には，脆弱性が存在する可能性がある。
- サンドボックス環境の脆弱性をLLMが突く能力を評価し，安全性を検証すること。
- 提案されたSANDBOXESCAPEBENCHベンチマークを用いて，LLMのサンドボックス脱出能力を安全に測定できる。
- 脆弱性を追加した場合，LLMがそれを特定し，実際に脱出を試みる能力が確認された。
- SANDBOXESCAPEBENCHのような評価が，高度なLLMの安全なサンドボックス運用に不可欠であることが示された。
MAPLE：メタデータ拡張型プライベート言語進化 [cs.CL, cs.AI, cs.CR, cs.LG]目的：大規模言語モデルの差分プライバシーファインチューニングにおける初期化問題の解決
- 大規模言語モデルの活用は重要だが，プライバシー保護と性能維持が課題である。
- プライベート進化は有望だが，初期分布がモデルの事前分布から乖離すると性能が低下する。
- MAPLEは，メタデータ活用で初期分布をターゲットドメインに固定し，性能と効率を向上させる。
- MAPLEは，既存のプライベート進化手法と比較して，プライバシーと有用性のトレードオフが向上する。
- MAPLEは，収束速度が大幅に速く，APIコストを削減する。
- ドメイン固有のテキスト生成タスクにおいて，MAPLEの優位性が確認された。
量子回路を用いた敵対的攻撃に対するニューラルネットワークの保護：QShield [eess.SY, cs.SY, cs.CR, cs.AI, cs.CV, cs.LG, quant-ph]目的：敵対的攻撃に対するニューラルネットワークの堅牢性向上
- 深層学習は広く利用されるが，セキュリティや安全性が重要となる分野では信頼性が課題となる。
- 深層学習モデルは敵対的摂動に対して脆弱であり，その信頼性を損なうことが問題である。
- 量子回路と古典的ニューラルネットワークを組み合わせ，敵対的攻撃への耐性を高めることを目指す。
- 古典的モデルは敵対的攻撃に対して脆弱であるが，提案するハイブリッドモデルは高い予測精度を維持しつつ，攻撃成功率を大幅に削減する。
- 提案アーキテクチャは，敵対的サンプル生成に必要な計算コストを増加させ，防御の層を追加する効果が確認された。
- 予測精度と敵対的攻撃への堅牢性のバランスが取れた，安全・信頼性の高い機械学習への応用が期待される。
多段階エージェントのための依存関係を考慮したプライバシー保護 [cs.CR]目的：多段階エージェントにおけるプライバシー保護の改善
- LLM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。
- 既存手法では，複数段階にわたる情報公開でプライバシー劣化が生じやすい。
- 計算グラフの根となる属性のプライバシーを一度に保護することで，この問題を解決する。
- RootGuardは，根となる値にノイズを加えることで，その後の情報公開を決定論的に行う。
- これにより，プライバシー保護は最初のノイズ付加のみに依存し，追加のコストはかからない。
- NHANESデータを用いた実験で，既存手法と比較してエラー率が大幅に低下した。
KVerus：Rustコードの堅牢かつスケーラブルな形式検証証明生成 [cs.SE, cs.CR]目的：Rustコードに対する形式検証証明の生成におけるスケーラビリティと堅牢性の向上
- ソフトウェアの信頼性・安全性の確保が重要であり，形式検証はその最高水準の保証を提供する。
- 大規模かつ変化するシステムへの適用が困難であり，既存のLLMは複雑な依存関係に対応できない。
- LLMの持つ意味的パターンと形式検証の構造的依存性のギャップを埋め，持続可能な証明生成を目指す。
- KVerusは，コードメタデータ，補題の意味，ツールチェーンの情報を動的に管理する知識ベースを構築する。
- 依存関係を考慮したプログラム解析と意味的補題インデックス，エラー駆動型自己改善により，複雑な依存関係を解決し証明を合成・修復する。
- Asterinas Rust OSカーネルにおいて，メモリ管理モジュールの23個の未検証関数（証明コードの21.0%）を検証し，upstreamに採用された。
DRIFT：ドリフトに強い不変特徴TransformerによるDGA検出 [cs.CR, cs.LG, cs.NI]目的：DGA検出のためのドリフト耐性フレームワークの提案
- ネットワーク防御において，ボットネットの進化に対応したDGA検出は重要である。
- 既存の深層学習ベースの検出器は，時間経過に伴う変化（ドリフト）に弱く，性能が低下する。
- 本研究は，ドリフトの影響を受けにくい，DGA検出モデルの開発を目指す。
- 提案手法は，ハイブリッドなトークン化戦略とマルチタスク自己教師あり事前学習により，不変な特徴表現を学習する。
- 9年間の実証データに基づき，最先端の文字ベースおよび単語ベースのDGA分類器の有効性が低下することを示した。
- 実験結果から，提案手法は時間的劣化を大幅に軽減し，既存手法を上回る性能を示すことが確認された。
自律的な侵入テストのための参照ハーネスCochise [cs.CR, cs.AI, cs.SE]目的：自律的な侵入テスト実験のための参照実装
- サイバーセキュリティの脅威が増大しており，自動化された侵入テストの重要性が高まっている。
- 既存のシステムは，アーキテクチャ，プロンプト，ツール統合が一体化しており，構成要素ごとの効果測定が困難である。
- モデル，エージェントアーキテクチャ，侵入テストの軌跡を比較するための再利用可能な実験基盤を提供する。
- Cochiseは，Planner-Executorアーキテクチャを採用し，SSH経由でLinuxホストに接続して侵入テストを実行する。
- Game of Active Directory (GOAD)というテストベッドを用いて評価を行い，その有効性を示した。
- オフラインでの実行ログの可視化ツールや，コスト，トークン数，侵入成功率を分析するツール，およびGOADの実行ログコーパスを公開した。
量子未来インタラクティブ：ポスト量子ブロックチェーンセキュリティ，インフラストレードオフ，持続可能な分散型信頼のライブデモンストレーション [cs.CR, cs.CY, cs.ET, cs.HC, econ.GN, q-fin.EC]目的：ポスト量子ブロックチェーンセキュリティに関する理解促進
- ブロックチェーンは社会基盤であり，そのセキュリティは極めて重要である。
- 量子コンピュータの進歩により，既存の暗号システムが脆弱になる可能性が懸念されている。
- 量子リスクに関する理解を深め，安全なブロックチェーンシステムの構築を支援する。
- 量子未来インタラクティブは，教育的視覚化，参加型インタラクション，およびLWEベースの構築を用いたポスト量子アーティファクト生成を組み合わせたライブデモンストレーションである。
- 参加者は，量子脅威教育からアーティファクト生成まで，7段階の構造化されたインタラクションフローを体験する。
- 分散型信頼の概念と持続可能性を考慮したインフラストラクチャを，インタラクティブな意思決定フレームワーク内で統合している。
QSignAI：AIと科学の交差点における量子乱数を用いたアイデンティティ署名 [cs.CR, cs.AI, cs.ET, quant-ph]目的：AIと量子科学の双方向の関係を実証するプラットフォーム
- AIと量子科学は現代科学技術の最先端分野であり，社会変革への貢献が期待される。
- AIと量子科学の連携は理論的には可能だが，実用的なシステムへの実装は未だ十分ではない。
- 量子乱数を用いたアイデンティティ署名システムを構築し，AIと量子科学の融合を具体的に示す。
- QSignAIは，AI駆動のソーシャルプラットフォームに量子乱数生成を組み込むことに成功した。
- AIボットは，量子現象を一般の聴衆にとって理解しやすい形に変換し，イベントへの参加を促進する。
- クラウド量子シミュレーターを用いた実運用環境での展開により，システムの有効性が確認された。
エージェントは拒否し，停止するか？アクセス時および実行中のLLMエージェントにおけるインバンドガバナンスシグナルへの準拠度測定 [cs.CR, cs.AI]目的：LLMエージェントのインバンドガバナンスシグナルへの準拠度
- LLMエージェントの自律運用が拡大する中で，安全な制御メカニズムの確立が重要である。
- LLMエージェントは，人間による介入なしにインフラを操作するため，アクセス制限や停止命令を直接伝えることが困難である。
- 本研究は，エージェントが自発的に撤退するよう促す「拒否シグナル」の有効性を検証する。
- アクセス時の拒否シグナルへの準拠はモデルに強く依存し，100%から55-75%の範囲で変動した。オープンウェイトモデルはほとんど反応しなかった。
- 実行中の停止シグナルはアクセス時より弱く，モデル依存性が見られた。Gemini 2.5 Flashは80%停止したが，GPT-4o-miniは全く停止しなかった。
- 協調的なシグナリングは信頼性があるもののモデル依存性が高く，実行中のエージェントを確実に停止するには強制的な介入が必要である。
量子化の罠を打破する：量子化条件付きバックドアに対するLLMの保護 [cs.CR]目的：量子化条件付きバックドア攻撃に対するプロアクティブな事前量子化防御手法の開発
- 大規模言語モデルの利用拡大に伴い，ストレージと推論コストの削減が重要課題となっている。
- 量子化処理における離散化と丸め誤差が，新たなバックドア攻撃の脆弱性となることが示唆されている。
- 量子化後の段階でのみ悪意のある動作が活性化される攻撃を防ぎ，安全なモデル展開を実現すること。
- 提案手法QuantGuardは，丸め誤差を制御し，バックドアの活性化経路を抑制することで，量子化条件付きバックドア攻撃を効果的に軽減する。
- QuantGuardは，わずかな較正データセットのみを使用し，既存の量子化アルゴリズムを変更せずに，高い防御性能を発揮する。
- 6つの主流LLMに対する実験により，様々な量子化精度やシナリオで，攻撃成功率を大幅に低減し，モデルの性能を維持することが確認された。
クロスブランチ衝突による保護：統一マルチモーダル画像編集における顔識別情報の保護 [cs.CV, cs.CL, cs.CR]目的：顔識別情報の不正編集からの保護
- 画像編集技術の進歩は，個人のプライバシー侵害のリスクを高めている。
- 既存の保護手法は，単一の視覚ブランチに焦点を当てており，効果が限定的である。
- 複数のブランチに矛盾を導入することで，顔識別情報の復元を困難にすることを目指す。
- 本研究では，統一マルチモーダルモデルにおける理解と生成のブランチ間の構造的合意が，画像編集の成功に密接に関連していることを示した。
- 提案手法CCSは，ViTとVAEの両方の表現を，元の状態から遠ざけることで，信頼性の高い顔識別情報を劣化させる。
- さらに，CCSは，ブランチ間の構造的整合性を破壊し，顔識別情報の復元を効果的に抑制することが実験的に示された。
量子耐性銀行取引セキュリティ：DW-HKEMを用いたハイブリッドRSA/ML-KEM暗号ゲートウェイとリアルタイム監視 [cs.CR]目的：量子コンピュータへの耐性と既存システムとの互換性を両立する，銀行取引セキュリティシステムの構築
- オンラインバンキングの普及により，暗号プロトコルのセキュリティは金融システム全体に関わる重要な課題となっている。
- 現在のRSA暗号は，将来的に量子コンピュータによって解読されるリスクがあり，その脅威は現実のものとなっている。
- 本研究は，量子コンピュータの脅威と既存の脆弱性に対処し，安全な銀行取引を可能にする新しい暗号システムを提案する。
- DW-HKEMフレームワークにRSA-256とML-KEM-768を統合し，AES-256セッションキーを二重に暗号化することで，古典的および量子攻撃に対するセキュリティを強化。
- リアルタイム監視ダッシュボードCryptoXは，各操作の経過時間，セッションレベルの分析，パフォーマンス傾向の可視化を提供し，銀行セキュリティ運用に貢献。
- 実証実験の結果，オーバーヘッドは約1.58msと，実用的な導入レベルに収まっており，金融インフラへの適用可能性が示された。
純粋DP統計的問い合わせ解放：推測される平方根レートで [cs.DS, cs.CR]目的：k個の統計的問い合わせの，サイズTの宇宙における純粋差分プライバシー下での解放
- データプライバシー保護は，個人情報を保護しつつデータ利用を可能にするため重要である。
- プライバシー保護とデータ有用性の両立が難しく，特に高次元データでは課題が大きい。
- 差分プライバシーにおける統計的問い合わせ解放の限界を理論的に確立すること。
- 本研究は，NikolovとUllmanが提唱した，平方根レートでの上限を証明した。
- 提案メカニズムは，データベースサイズnとプライバシーパラメータεに対して，期待される誤差が$O(\min\{1,\sqrt{\log(2T)\log(2k)/(\varepsilon n)}\})$となる。
- この誤差は，既存の下限との一致を示し，パラメータ条件なしに有効な上限を確立した。
カルイナ・ブロック暗号：設計空間探索からASIC設計へ [cs.CR]目的：カルイナ・ブロック暗号のハードウェア効率の良い実装
- 暗号技術は，情報セキュリティの根幹を担うため，その重要性は増している。
- カルイナ暗号のハードウェア実装は遅れており，効率的なアクセラレータが不足している。
- ASIC設計による省領域・低遅延・低消費電力化を目指す。
- 本研究では，カルイナ暗号の暗号化・復号・両方向処理の様々な設計アーキテクチャを探索した。
- 設計空間を探索することで，面積と遅延のトレードオフを考慮した代替設計を提案した。
- サイドチャネル攻撃やフォールトインジェクション攻撃に対する対策を施したASICチップの機能を検証した。
隠蔽されたオクルス：様式的隠蔽の運用化 [cs.CR, cs.CL, cs.IR]目的：様式計測システムおよび監視装置に対する敵対的戦術の有効性
- プライバシー保護は重要であり，監視技術の発展に伴い，その重要性は増している。
- テキストの著者を特定する様式計測技術が進化し，プライバシー侵害のリスクが高まっている。
- テキストの匿名性を高めるための敵対的戦術の効果を評価し，最適な手法を特定すること。
- ゼロ幅Unicode文字，ホモグラフ，および意図的なスペルミスを挿入する「Injection」モジュールが最も有効であることが示された。
- 「Injection」モジュールは，様式計測システムを欺き，テキストの著者を特定する能力を阻害する。
- この研究は，プライバシー保護のための敵対的戦術の可能性を示唆し，今後の研究に貢献する。
- 1
- 2