論文の概要: IReEn: Reverse-Engineering of Black-Box Functions via Iterative Neural Program Synthesis

• arxiv url: http://arxiv.org/abs/2006.10720v2
• Date: Thu, 23 Sep 2021 09:08:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 10:01:02.646132
• Title: IReEn: Reverse-Engineering of Black-Box Functions via Iterative Neural Program Synthesis
• Title（参考訳）: IReEn:反復型ニューラルプログラム合成によるブラックボックス関数のリバースエンジニアリング
• Authors: Hossein Hajipour, Mateusz Malinowski, Mario Fritz
• Abstract要約: ブラックボックスエージェントの機能を明らかにする際の問題点について検討する。 我々はブラックボックスの特権情報に頼るのではなく、プログラムの入力と出力のみにアクセスするというより弱い仮定の下で問題を調査する。 その結果, 提案手法は, 78%の症例において, ほぼ機能的な等価プログラムを見出すことにより, 現状よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 70.61283188380689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we investigate the problem of revealing the functionality of a black-box agent. Notably, we are interested in the interpretable and formal description of the behavior of such an agent. Ideally, this description would take the form of a program written in a high-level language. This task is also known as reverse engineering and plays a pivotal role in software engineering, computer security, but also most recently in interpretability. In contrast to prior work, we do not rely on privileged information on the black box, but rather investigate the problem under a weaker assumption of having only access to inputs and outputs of the program. We approach this problem by iteratively refining a candidate set using a generative neural program synthesis approach until we arrive at a functionally equivalent program. We assess the performance of our approach on the Karel dataset. Our results show that the proposed approach outperforms the state-of-the-art on this challenge by finding an approximately functional equivalent program in 78% of cases -- even exceeding prior work that had privileged information on the black-box.
• Abstract（参考訳）: 本研究では,ブラックボックスエージェントの機能を明らかにする問題について検討する。 特に、そのようなエージェントの振る舞いの解釈可能で形式的な記述に興味があります。 理想的には、この記述は高レベル言語で書かれたプログラムの形をとる。 このタスクはリバースエンジニアリングとしても知られ、ソフトウェア工学やコンピュータセキュリティにおいて重要な役割を担っている。 従来の作業とは対照的に、ブラックボックスの特権情報に頼るのではなく、プログラムの入力や出力のみにアクセスするというより弱い仮定の下で問題を調査する。 我々は、機能的に等価なプログラムに到達するまで、生成型ニューラルプログラム合成アプローチを用いて候補集合を反復的に精錬することでこの問題にアプローチする。 提案手法の有効性をKarelデータセット上で評価する。 以上の結果から,提案手法は,ブラックボックスの情報を持つ先行研究を上回っても,約78%のケースでほぼ同等の機能を持つプログラムを見つけることで,この課題の最先端を上回っていることが示された。

関連論文リスト

• Learning-Augmented Algorithms with Explicit Predictors [67.02156211760415]
  アルゴリズム設計の最近の進歩は、過去のデータと現在のデータから得られた機械学習モデルによる予測の活用方法を示している。 この文脈における以前の研究は、予測器が過去のデータに基づいて事前訓練され、ブラックボックスとして使用されるパラダイムに焦点を当てていた。 本研究では,予測器を解き,アルゴリズムの課題の中で生じる学習問題を統合する。
  論文  参考訳（メタデータ） (2024-03-12T08:40:21Z)
• Optimizing IaC Configurations: a Case Study Using Nature-inspired Computing [0.3774866290142281]
  本稿では、特定のソフトウェアエンジニアリング問題を解決するために、自然に着想を得た計算をベースとしたツールについて述べる。 IOPのバージョンが以前の研究で説明され、このプラットフォームが導入された。 我々は、IOPが組み込まれている完全なプラットフォーム内でコンテキストを定式化し、ユーザーがその使用によってどのような恩恵を受けることができるかを説明します。
  論文  参考訳（メタデータ） (2023-11-15T11:28:00Z)
• Tram: A Token-level Retrieval-augmented Mechanism for Source Code Summarization [76.57699934689468]
  ニューラルモデルの性能を高めるために,デコーダ側で詳細なTokenレベル検索強化機構(Tram)を提案する。 文脈的コードセマンティクスの取得におけるトークンレベルの検索の課題を克服するために,コードセマンティクスを個々の要約トークンに統合することを提案する。
  論文  参考訳（メタデータ） (2023-05-18T16:02:04Z)
• UniRPG: Unified Discrete Reasoning over Table and Text as Program Generation [32.74302320558048]
  セマンティックパーシングに基づくアプローチであるUniRPGを提案する。 UniRPGは異種知識リソース、すなわち表とテキストをプログラム生成として統一的な個別推論を行う。 最先端の手法と比較して、非常に改善され、解釈可能性とスケーラビリティが向上します。
  論文  参考訳（メタデータ） (2022-10-15T10:17:52Z)
• Neural Program Synthesis with Query [27.212984312375166]
  本稿では,ニューラルネットワークをトレーニングして情報入力を自動生成するクエリベースのフレームワークを提案する。 本稿では,Karelタスクとリスト処理タスクにおいて,提案したクエリベースのフレームワークの有効性と一般化を評価する。 実験結果から、クエリベースのフレームワークは、よく設計されたインプット・アウトプット・インプット・インプット・インプット・インプット・インプット・インプット・インプット・アウトプット・インプット・インプット・インプット・インプット・インプット・アウトプット・インプット・インプット・アウトプット・インプット・インプット・インプット・アウトプット・インプット・
  論文  参考訳（メタデータ） (2022-05-08T13:53:18Z)
• Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
  非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。 我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。 これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-21T13:18:11Z)
• Recent Developments in Program Synthesis with Evolutionary Algorithms [1.8047694351309207]
  関連する進化的プログラム合成手法を同定し,その性能を詳細に解析する。 私たちが特定する最も影響力のあるアプローチは、スタックベース、文法誘導、および線形遺伝プログラミングである。 今後の研究のために、研究者は、プログラムのアウトプットを使用して、ソリューションの品質を評価するだけでなく、ソリューションへの道を開くことを奨励します。
  論文  参考訳（メタデータ） (2021-08-27T11:38:27Z)
• Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
  本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。 より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
  論文  参考訳（メタデータ） (2021-07-13T03:48:04Z)
• Replacing Rewards with Examples: Example-Based Policy Search via Recursive Classification [133.20816939521941]
  標準的なマルコフ決定プロセス形式では、ユーザーは報酬関数を書き留めてタスクを指定する。 多くのシナリオでは、ユーザーはタスクを単語や数字で記述できないが、タスクが解決された場合の世界がどのように見えるかを簡単に示すことができる。 この観察に動機づけられた制御アルゴリズムは、成功した結果状態の例だけを考慮すれば、成功する結果につながる確率の高い状態を訪問することを目的としている。
  論文  参考訳（メタデータ） (2021-03-23T16:19:55Z)
• Information-theoretic User Interaction: Significant Inputs for Program Synthesis [11.473616777800318]
  重要質問問題を導入し、一般には困難であることを示す。 我々はその問題を解決するための情報理論の欲求的アプローチを開発する。 対話型プログラム合成の文脈では、上記の結果を用いてプログラム学習者を開発する。 私たちのアクティブな学習者は、偽陰性と偽陽性をトレードオフし、現実のデータセット上で少数の反復に収束することができます。
  論文  参考訳（メタデータ） (2020-06-22T21:46:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。