Fugu-MT 論文翻訳(概要): SoK: Runtime Integrity

論文の概要: SoK: Runtime Integrity

arxiv url: http://arxiv.org/abs/2408.10200v3
Date: Mon, 21 Oct 2024 22:34:41 GMT
ステータス: 処理完了
システム内更新日: 2024-11-08 06:44:48.802955
Title: SoK: Runtime Integrity
Title（参考訳）: SoK: 実行時統合性
Authors: Mahmoud Ammar, Adam Caulfield, Ivan De Oliveira Nunes,
Abstract要約: 本稿では,制御フローの整合性 (CFI) と制御フロー (CFA) のメカニズムを体系的に検討し,それらの相違点と関係について検討する。これは、CFIとCFAの目標、仮定、特徴、設計空間に関する重要な問題に対処する。
参考スコア（独自算出の注目度）: 7.746394330023272
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper provides a systematic exploration of Control Flow Integrity (CFI) and Control Flow Attestation (CFA) mechanisms, examining their differences and relationships. It addresses crucial questions about the goals, assumptions, features, and design spaces of CFI and CFA, including their potential coexistence on the same platform. Through a comprehensive review of existing defenses, this paper positions CFI and CFA within the broader landscape of runtime defenses, critically evaluating their strengths, limitations, and trade-offs. The findings emphasize the importance of further research to bridge the gaps in CFI and CFA and thus advance the field of runtime defenses.
Abstract（参考訳）: 本稿では,制御フローの整合性(CFI)と制御フロー検証(CFA)のメカニズムを体系的に検討し,それらの相違点と関係について検討する。これは、CFIとCFAの目標、仮定、特徴、設計空間に関する重要な問題に対処する。本稿では,既存の防衛の総合的な見直しを通じて,CFIとCFAをランタイム防衛の広い視野に位置づけ,その強み,限界,トレードオフを批判的に評価する。この発見は、CFIとCFAのギャップを埋め、ランタイム防衛の分野を前進させるためのさらなる研究の重要性を強調している。

関連論文リスト

FEDLAD: Federated Evaluation of Deep Leakage Attacks and Defenses [50.921333548391345]
フェデレーテッド・ラーニング(Federated Learning)は、分散型機械学習パラダイムをプライバシ保護するものだ。近年の研究では、Deep Leakageと呼ばれる勾配技術によって、民間の真実データを復元できることが判明している。本稿では、Deep Leakage攻撃と防御を評価するための総合的なベンチマークであるFEDLAD Framework(Federated Evaluation of Deep Leakage Attacks and Defenses)を紹介する。
論文参考訳（メタデータ） (2024-11-05T11:42:26Z)
Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。現在の米国とEUの規制分野に位置づけられている。
論文参考訳（メタデータ） (2024-09-07T11:13:52Z)
Critic-CoT: Boosting the reasoning abilities of large language model via Chain-of-thoughts Critic [48.94340387130627]
Critic-CoTは、LLMをSystem-2のような批判能力にプッシュするフレームワークである。人間のアノテーションを使わずにCoT推論パラダイムと遠隔スーパービジョンデータの自動構築 GSM8KとMATHの実験は、我々の強化されたモデルがタスク解決性能を大幅に向上させることを示した。
論文参考訳（メタデータ） (2024-08-29T08:02:09Z)
Sok: Comprehensive Security Overview, Challenges, and Future Directions of Voice-Controlled Systems [10.86045604075024]
Voice Control Systemsをスマートデバイスに統合することで、セキュリティの重要性が強調される。現在の研究では、VCSの脆弱性が多数発見され、ユーザのプライバシとセキュリティに重大なリスクが提示されている。本稿では,VCSの階層的モデル構造を導入し,既存の文献を体系的に分類・分析するための新しいレンズを提供する。我々は,その技術的原則に基づいて攻撃を分類し,その方法,目標,ベクトル,行動など,さまざまな属性を徹底的に評価する。
論文参考訳（メタデータ） (2024-05-27T12:18:46Z)
A Comparative Study of Artificial Potential Fields and Safety Filters [10.525846641815788]
人工電位場は,最近普及している制御バリア関数二次プログラム(CBF-QP)の安全性フィルタから導出できることを示す。我々はCBF-QP安全フィルタの設計を拡張し、制御アフィン構造を特徴とするより一般的な動的モデルに対応する。
論文参考訳（メタデータ） (2024-03-23T07:14:27Z)
Securing Reliability: A Brief Overview on Enhancing In-Context Learning for Foundation Models [10.889829033820433]
In-context Learning(ICL)パラダイムは成長するが、毒性、幻覚、相違、敵対的脆弱性、矛盾といった問題にも遭遇する。ファンデーションモデル(FM)の信頼性と責任を保証することは、AIエコシステムの持続可能な開発に不可欠である。
論文参考訳（メタデータ） (2024-02-27T16:44:09Z)
A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文参考訳（メタデータ） (2024-01-19T14:52:04Z)
Assessing the Effectiveness of Binary-Level CFI Techniques [0.0]
フロー制御統合(CFI)は、制御フローハイジャック攻撃に対する防御を提供する。バイナリレベルの型リカバリは本質的に投機的であり、評価フレームワークの必要性を動機付けている。
論文参考訳（メタデータ） (2024-01-13T19:38:15Z)
TitanCFI: Toward Enforcing Control-Flow Integrity in the Root-of-Trust [4.444373990868152]
TitanCFIは保護されたコアのコミットステージを変更して、制御フロー命令をRoTにストリームする。カスタムIPの設計やコンパイルツールチェーンの変更を避ける。 RoTのタンパー保護ストレージと暗号アクセラレータを利用してメタデータをセキュアにする。
論文参考訳（メタデータ） (2024-01-04T22:58:33Z)
Attention-Based Real-Time Defenses for Physical Adversarial Attacks in Vision Applications [58.06882713631082]
ディープニューラルネットワークはコンピュータビジョンタスクにおいて優れたパフォーマンスを示すが、現実の敵攻撃に対する脆弱性は深刻なセキュリティ上の懸念を引き起こす。本稿では、敵チャネルの注意力を利用して、浅いネットワーク層における悪意のある物体を素早く識別・追跡する、効果的な注意に基づく防御機構を提案する。また、効率的な多フレーム防御フレームワークを導入し、防御性能と計算コストの両方を評価することを目的とした広範な実験を通じて、その有効性を検証した。
論文参考訳（メタデータ） (2023-11-19T00:47:17Z)
Dual-Cross Central Difference Network for Face Anti-Spoofing [54.81222020394219]
対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
論文参考訳（メタデータ） (2021-05-04T05:11:47Z)

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。