論文の概要: Security analysis of the Australian Capital Territory's eVACS 2020/2024 paperless direct recording electronic voting system
- arxiv url: http://arxiv.org/abs/2409.13570v1
- Date: Fri, 20 Sep 2024 15:16:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-09-26 02:48:40.615618
- Title: Security analysis of the Australian Capital Territory's eVACS 2020/2024 paperless direct recording electronic voting system
- Title(参考訳): オーストラリア首都圏における電子投票システムeVACS 2020/2024のセキュリティ分析
- Authors: Chris Culnane, Andrew Conway, Vanessa Teague, Ty Wilson-Brown,
- Abstract要約: 本報告では,Ada Web Services Libraryにおける2つの暗号エラーがeVACSに与える影響について述べる。
これらのエラーは、2024年3月に公開された2024 eVACSコードの検査とテストの過程で確認した。
- 参考スコア(独自算出の注目度): 2.449909275410288
- License:
- Abstract: This report describes the implications for eVACS of two cryptographic errors in the Ada Web Services Library that it depends on. We identified these errors in the course of examining and testing the 2024 eVACS code, which was made publicly available in March 2024. We disclosed the problems to AdaCore, and explained the implications at the time to the relevant electoral authorities.
- Abstract(参考訳): 本報告では,Ada Web Services Libraryにおける2つの暗号エラーがeVACSに与える影響について述べる。
これらのエラーは、2024年3月に公開された2024 eVACSコードの検査とテストの過程で確認した。
この問題をAdaCoreに開示し、当時の影響を関連する選挙当局に説明しました。
関連論文リスト
- The 2nd Workshop on Maritime Computer Vision (MaCVi) 2024 [71.80200746293505]
2nd Workshop on Maritime Computer Vision (MaCVi) 2024 address seatime computer vision for Unmanned Aerial Vehicles (UAV) and Unmanned Surface Vehicles (USV)
論文 参考訳(メタデータ) (2023-11-23T21:01:14Z) - Silent Vulnerability-fixing Commit Identification Based on Graph Neural
Networks [4.837912059099674]
VFFINDERは、サイレント脆弱性の自動検出のためのグラフベースのアプローチである。
VFFINDERは、アテンションベースのグラフニューラルネットワークモデルを使用して、脆弱性修正コミットと非修正コミットを区別する。
以上の結果から,VFFINDERは精度272-420%,リコール22-70%,F13.2X-8.2Xに改善した。
論文 参考訳(メタデータ) (2023-09-15T07:51:39Z) - A Comprehensive Survey on the Implementations, Attacks, and
Countermeasures of the Current NIST Lightweight Cryptography Standard [2.055054374525828]
この調査は、2023年に標準化された現在の軽量暗号の標準に関する最初の研究である。
軽量暗号は、資源に制約のある組込みシステムを確保する上で重要な役割を担っている。
NISTは軽量暗号の標準化プロセスを開始した。
論文 参考訳(メタデータ) (2023-04-13T02:29:38Z) - PANACEA: An Automated Misinformation Detection System on COVID-19 [49.83321665982157]
PANACEAは、新型コロナウイルス関連の主張に関するWebベースの誤情報検出システムである。
事実チェックと噂検出という2つのモジュールがある。
論文 参考訳(メタデータ) (2023-02-28T21:53:48Z) - Unfooling Perturbation-Based Post Hoc Explainers [12.599362066650842]
最近の研究は、摂動に基づくポストホックの説明を逆さまに騙すことが実証されている。
この発見は監査人、規制当局、その他のセンチネルに悪影響を及ぼす。
本研究では,この問題を厳格に定式化し,摂動型説明器に対する敵攻撃に対する防御策を考案する。
論文 参考訳(メタデータ) (2022-05-29T21:28:12Z) - Assessing the accuracy of the Australian Senate count: Key steps for a
rigorous and transparent audit [24.832413743954618]
本稿では,オーストラリア上院の投票論文のスキャンとデジタル化を監査する主な原則と技術的詳細について説明する。
本稿は,紙投票を監査する動機について要約し,厳格かつ透明な監査に必要な支援手順を説明し,オーストラリア上院にふさわしい統計手法を提案する。
論文 参考訳(メタデータ) (2022-05-29T11:50:36Z) - Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。
これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。
偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
論文 参考訳(メタデータ) (2022-02-18T19:01:01Z) - FacTeR-Check: Semi-automated fact-checking through Semantic Similarity
and Natural Language Inference [61.068947982746224]
FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。
このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。
この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
論文 参考訳(メタデータ) (2021-10-27T15:44:54Z) - Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。
実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。
質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
論文 参考訳(メタデータ) (2021-10-15T01:55:18Z) - ASVspoof 2021: Automatic Speaker Verification Spoofing and
Countermeasures Challenge Evaluation Plan [70.45884214674057]
ASVspoof 2021は、二年制で競争上の課題の4番目である。
目標は、ボナ・フェイドとスプーフ・ディープフェイク・スピーチを区別できる対策を開発することである。
論文 参考訳(メタデータ) (2021-09-01T15:32:28Z) - Anomaly Detection and Automated Labeling for Voter Registration File
Changes [0.0]
アメリカ合衆国大統領選挙における投票資格は、市民が投票する資格のある情報を含む州データベースのパッチワークによって決定される。
投票登録ファイル(VRF)の変更の監視は、米国の民主的プロセスを妨害したい悪意のあるアクターが、これらのファイルの内容を操作して目標を達成するよう、適切にアドバイスされることを考えると、極めて重要である。
本稿では、機械学習を利用して、投票者のロールを保護する際のアナリストや管理者の負担を軽減する方法を提案する。
論文 参考訳(メタデータ) (2021-06-16T21:48:31Z)
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。