論文の概要: An Algebraic Approach to Asymmetric Delegation and Polymorphic Label Inference (Technical Report)

• arxiv url: http://arxiv.org/abs/2504.20432v1
• Date: Tue, 29 Apr 2025 05:00:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.757124
• Title: An Algebraic Approach to Asymmetric Delegation and Polymorphic Label Inference (Technical Report)
• Title（参考訳）: 非対称デリゲーションと多形ラベル推論への代数的アプローチ(技術報告)
• Authors: Silei Ren, Coşku Acay, Andrew C. Myers,
• Abstract要約: 言語ベースの情報フロー制御(IFC)は、分散アプリケーションにおけるセキュリティポリシーの推論と実施を可能にする。 IFCラベルを使用して、準正直なエージェントのような特定のセキュリティ仮定をモデル化することは困難である。 機密性や整合性の部分的なデリゲートである非対称デリゲートの形式化を可能にするセマンティックフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.183855005494611
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language-based information flow control (IFC) enables reasoning about and enforcing security policies in decentralized applications. While information flow properties are relatively extensional and compositional, designing expressive systems that enforce such properties remains challenging. In particular, it can be difficult to use IFC labels to model certain security assumptions, such as semi-honest agents. Motivated by these modeling limitations, we study the algebraic semantics of lattice-based IFC label models, and propose a semantic framework that allows formalizing asymmetric delegation, which is partial delegation of confidentiality or integrity. Our framework supports downgrading of information and ensures their safety through nonmalleable information flow (NMIF). To demonstrate the practicality of our framework, we design and implement a novel algorithm that statically checks NMIF and a label inference procedure that efficiently supports bounded label polymorphism, allowing users to write code generic with respect to labels.
• Abstract（参考訳）: 言語ベースの情報フロー制御(IFC)は、分散アプリケーションにおけるセキュリティポリシーの推論と実施を可能にする。 情報フロー特性は比較的拡張的かつ構成的であるが、そのような特性を強制する表現システムの設計は依然として困難である。 特に、半正直なエージェントのような特定のセキュリティ仮定をモデル化するためにIFCラベルを使用することは困難である。 これらのモデリングの制約により、格子ベースのIFCラベルモデルの代数的意味論を研究し、機密性や整合性の部分的なデリゲートである非対称デリゲートを形式化するセマンティックフレームワークを提案する。 我々のフレームワークは情報のダウングレードをサポートし,NMIF(Nonmalleable Information Flow)による安全性を確保する。 そこで我々は,NMIFを静的にチェックする新しいアルゴリズムと,有界ラベル多型を効率的にサポートするラベル推論手順を設計し,実装した。

関連論文リスト

• AssertionForge: Enhancing Formal Verification Assertion Generation with Structured Representation of Specifications and RTL [6.062811197376495]
  本稿では,仕様とRTLの両方から知識グラフ(KG)を構築する新しい手法を提案する。 仕様から初期KGを作成し、RTLコードから抽出された情報と体系的に融合し、統合された総合KGとなる。 4つの設計実験により,提案手法は従来手法よりもSVAの品質を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2025-03-24T21:53:37Z)
• Neuro-symbolic Weak Supervision: Theory and Semantics [5.455744338342196]
  帰納的論理プログラミング(ILP)を統合したニューロシンボリック・フレームワークのセマンティクスを提案する。 ILPは、ラベル遷移のための論理仮説空間を定義し、意味論を明確にし、解釈可能なパフォーマンス標準を確立する。 このハイブリッドアプローチは、弱教師付き設定における堅牢性、透明性、説明責任を改善する。
  論文  参考訳（メタデータ） (2025-03-24T10:02:51Z)
• CryptoFormalEval: Integrating LLMs and Formal Verification for Automated Cryptographic Protocol Vulnerability Detection [41.94295877935867]
  我々は,新たな暗号プロトコルの脆弱性を自律的に識別する大規模言語モデルの能力を評価するためのベンチマークを導入する。 私たちは、新しい、欠陥のある通信プロトコルのデータセットを作成し、AIエージェントが発見した脆弱性を自動的に検証する方法を設計しました。
  論文  参考訳（メタデータ） (2024-11-20T14:16:55Z)
• Con-ReCall: Detecting Pre-training Data in LLMs via Contrastive Decoding [118.75567341513897]
  既存のメソッドは通常、ターゲットテキストを分離して分析するか、非メンバーコンテキストでのみ分析する。 Con-ReCallは、メンバと非メンバのコンテキストによって誘導される非対称な分布シフトを利用する新しいアプローチである。
  論文  参考訳（メタデータ） (2024-09-05T09:10:38Z)
• Learnable Item Tokenization for Generative Recommendation [78.30417863309061]
  LETTER (Larnable Tokenizer for generaTivE Recommendation) を提案する。 LETTERは、セマンティック正規化のためのResidual Quantized VAE、協調正規化のためのコントラストアライメント損失、コードの割り当てバイアスを軽減するための多様性損失を組み込んでいる。
  論文  参考訳（メタデータ） (2024-05-12T15:49:38Z)
• CFPL-FAS: Class Free Prompt Learning for Generalizable Face Anti-spoofing [66.6712018832575]
  ドメイン一般化 (DG) ベースの Face Anti-Spoofing (FAS) は、目に見えないドメインにおけるモデルの性能を改善することを目的としている。 私たちはCLIPのような大規模VLMを利用し、テキスト機能を利用して分類器の重みを動的に調整し、一般化可能な視覚的特徴を探索する。
  論文  参考訳（メタデータ） (2024-03-21T11:58:50Z)
• Noise Contrastive Estimation-based Matching Framework for Low-Resource Security Attack Pattern Recognition [49.536368818512116]
  TTP(Tactics, Techniques and Procedures)は、サイバーセキュリティドメインにおける高度な攻撃パターンを表す。 そこで本研究では,TTPラベルへのテキストの割り当てが,両者の直接的な意味的類似性によって決定される,異なる学習パラダイムの問題を定式化する。 本稿では,効果的なサンプリングベース学習機構を備えたニューラルマッチングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-18T19:02:00Z)
• Secure Instruction and Data-Level Information Flow Tracking Model for RISC-V [0.0]
  不正アクセス、障害注入、およびプライバシー侵害は、信頼できないアクターによる潜在的な脅威である。 本稿では,実行時セキュリティがシステム完全性を保護するために,IFT(Information Flow Tracking)技術を提案する。 本研究では,ハードウェアベース IFT 技術とゲートレベル IFT (GLIFT) 技術を統合したマルチレベル IFT モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-17T02:04:07Z)
• Security Properties through the Lens of Modal Logic [4.548429316641551]
  モーダル論理を用いたコンピュータシステムのセキュリティに関する推論フレームワークを提案する。 機密性、完全性、堅牢な非分類化、透過的な支持の様々なバリエーションを表現するために、フォーマリズムをどのように使うかを示します。
  論文  参考訳（メタデータ） (2023-09-18T07:37:12Z)
• Robust Representation Learning for Unreliable Partial Label Learning [86.909511808373]
  部分ラベル学習(Partial Label Learning, PLL)は、弱い教師付き学習の一種で、各トレーニングインスタンスに候補ラベルのセットが割り当てられる。 これはUn Reliable partial Label Learning (UPLL) と呼ばれ、部分ラベルの本質的な信頼性の欠如とあいまいさにより、さらなる複雑さをもたらす。 本研究では,信頼できない部分ラベルに対するモデル強化を支援するために,信頼性に欠けるコントラスト学習を活用するUnreliability-Robust Representation Learning framework(URRL)を提案する。
  論文  参考訳（メタデータ） (2023-08-31T13:37:28Z)
• SMT-Based Safety Verification of Data-Aware Processes under Ontologies (Extended Version) [71.12474112166767]
  我々は、このスペクトルで最も調査されたモデルの1つ、すなわち単純なアーティファクトシステム(SAS)の変種を紹介する。 このDLは適切なモデル理論特性を享受し、後方到達性を適用可能なSASを定義することができ、対応する安全問題のPSPACEにおける決定可能性をもたらす。
  論文  参考訳（メタデータ） (2021-08-27T15:04:11Z)

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。