Fugu-MT 論文翻訳(概要): Control Flow Obfuscation for FJ using Continuation Passing

論文の概要: Control Flow Obfuscation for FJ using Continuation Passing

arxiv url: http://arxiv.org/abs/2012.06340v2
Date: Fri, 26 Feb 2021 04:34:52 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 21:09:23.459548
Title: Control Flow Obfuscation for FJ using Continuation Passing
Title（参考訳）: 連続パスを用いたFJの制御流難読化
Authors: Kenny Zhuo Ming Lu
Abstract要約: 制御フロー難読化ディッターソフトウェアは、プログラムの制御フロー転送を変更してリバースエンジニアリングを試みます。例外処理によるFJの制御フロー難読化手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Control flow obfuscation deters software reverse engineering attempts by altering the program's control flow transfer. The alternation should not affect the software's run-time behaviour. In this paper, we propose a control flow obfuscation approach for FJ with exception handling. The approach is based on a source to source transformation using continuation passing style (CPS). We argue that the proposed CPS transformation causes malicious attacks using context insensitive static analysis and context sensitive analysis with fixed call string to lose precision.
Abstract（参考訳）: 制御フローの難読化は、プログラムの制御フロー転送を変更することによって、ソフトウェアをリバースエンジニアリングの試行を妨げる。交替はソフトウェアの実行時の振る舞いに影響を与えてはならない。本稿では,例外処理を伴うFJの制御フロー難読化手法を提案する。このアプローチは継続パススタイル(cps)を用いたソースからソースへの変換に基づいている。提案したCPS変換は、文脈不感な静的解析と固定呼び出し文字列を用いた文脈不感な解析を用いて悪質な攻撃を引き起こし、精度が低下すると主張している。

関連論文リスト

Libra: Architectural Support For Principled, Secure And Efficient Balanced Execution On High-End Processors (Extended Version) [9.404954747748523]
制御フローリーク(CFL)攻撃は、攻撃者がサイドチャネルの観測を通して、被害者プログラムの制御フロー決定を公開することを可能にする。線形化はCFL攻撃に対する唯一の効果的な対策であると広く信じられている。我々は、ハイエンドプロセッサ上でCFLを効率的に処理するための汎用的で原則化されたハードウェア・ソフトウェア・コーデックであるLibraを提案する。
論文参考訳（メタデータ） (2024-09-05T17:56:19Z)
Learning to Predict Program Execution by Modeling Dynamic Dependency on Code Graphs [11.347234752942684]
本稿では,コードカバレッジを予測し,実行時のエラーを検出するための,新しい機械学習ベースのフレームワークであるCodeFlowを紹介する。 CodeFlowは、可能なすべての実行パスと、異なるステートメント間の関係を表現します。実行中のステートメント間の影響を反映した実行トレースを通じて動的依存関係を学習する。
論文参考訳（メタデータ） (2024-08-05T20:32:00Z)
SNIP: Speculative Execution and Non-Interference Preservation for Compiler Transformations [0.15800607910450126]
投機的意味論に基づくコンパイラ変換における非干渉保存の問題に対処する。我々は,すべてのソースプログラムに対して一様に保存を保証できる検証方法を開発した。
論文参考訳（メタデータ） (2024-07-21T07:30:30Z)
Providing High-Performance Execution with a Sequential Contract for Cryptographic Programs [3.34371579019566]
定時プログラミングは、サイドチャネル攻撃に対する暗号プログラムを強化するための広くデプロイされたアプローチである。現代のプロセッサは、プログラムの意図しないパスを投機的に実行することで、定数時間ポリシーの基本的な前提に違反している。我々は,投機的制御フローに基づく攻撃に対して,一定時間暗号コードを保護するための新しいハードウェア・ソフトウェア機構であるCassandraを提案する。
論文参考訳（メタデータ） (2024-06-06T17:34:48Z)
Rolling Shutter Correction with Intermediate Distortion Flow Estimation [55.59359977619609]
本稿では,グローバルシャッタ(GS)からRSへの歪み流を直接推定することにより,ローリングシャッタ(RS)歪み画像を補正することを提案する。既存の手法は通常、RSからGSへの非歪流を用いて補正を行う。本稿では,歪み流を直接推定し,後方ワープ操作でRS像を補正する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-04-09T14:40:54Z)
Comparative analysis of machine learning methods for active flow control [60.53767050487434]
遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
論文参考訳（メタデータ） (2022-02-23T18:11:19Z)
Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
論文参考訳（メタデータ） (2021-11-18T23:21:00Z)
Random Hash Code Generation for Cancelable Fingerprint Templates using Vector Permutation and Shift-order Process [3.172761915061083]
本稿では,ベクトル置換とシフト順序過程に基づく非可逆距離保存方式を提案する。次に、非可逆性と類似性に基づく攻撃と戦うために、生成された特徴にシフト順序プロセスを適用する。生成されたハッシュコードは、主要な無効性と非リンク性要件を満たす一方で、異なるセキュリティおよびプライバシ攻撃に対して耐性がある。
論文参考訳（メタデータ） (2021-05-21T09:37:54Z)
Self-Supervised Learning of Non-Rigid Residual Flow and Ego-Motion [63.18340058854517]
動的3次元シーンに対する非剛性残留流とエゴ運動流の連成推定によるエンドツーエンドのシーンフロー学習法を提案する。我々は、点クラウドシーケンスの時間的一貫性性に基づいて、自己監督的な信号で教師付きフレームワークを拡張した。
論文参考訳（メタデータ） (2020-09-22T11:39:19Z)
Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文参考訳（メタデータ） (2020-08-21T15:03:21Z)
Learning by Analogy: Reliable Supervision from Transformations for Unsupervised Optical Flow Estimation [83.23707895728995]
光フローの教師なし学習は、教師付き手法に代わる有望な代替手段として登場した。私たちは、トランスフォーメーションからより信頼性の高い監視を使用するためのフレームワークを提示します。提案手法は, 深い教師なし手法の中で, 最高の精度で, いくつかのベンチマークで連続的に性能を向上する。
論文参考訳（メタデータ） (2020-03-29T14:55:24Z)

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。