Fugu-MT 論文翻訳(概要): Nonmalleable Progress Leakage

論文の概要: Nonmalleable Progress Leakage

arxiv url: http://arxiv.org/abs/2505.12210v1
Date: Sun, 18 May 2025 03:02:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-20 14:57:11.09485
Title: Nonmalleable Progress Leakage
Title（参考訳）: 非有毒プログレッシブリーク
Authors: Ethan Cecchetti,
Abstract要約: この作業は、進捗に敏感なセキュリティのためのアイデアとセキュアなダウングレーディングを組み合わせることで、セキュアなダウングレーディングプログレス情報の概念を識別する。我々は,NMPL を強制しながら,いくつかの進行漏れを許容する最初の情報フロー型システムを提案する。
参考スコア（独自算出の注目度）: 1.30536490219656
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Information-flow control systems often enforce progress-insensitive noninterference, as it is simple to understand and enforce. Unfortunately, real programs need to declassify results and endorse inputs, which noninterference disallows, while preventing attackers from controlling leakage, including through progress channels, which progress-insensitivity ignores. This work combines ideas for progress-sensitive security with secure downgrading (declassification and endorsement) to identify a notion of securely downgrading progress information. We use hyperproperties to distill the separation between progress-sensitive and progress-insensitive noninterference and combine it with nonmalleable information flow, an existing (progress-insensitive) definition of secure downgrading, to define nonmalleable progress leakage (NMPL). We present the first information-flow type system to allow some progress leakage while enforcing NMPL, and we show how to infer the location of secure progress downgrades. All theorems are verified in Rocq.
Abstract（参考訳）: 情報フロー制御システムは、理解し、強制することが簡単であるため、プログレッシブ非干渉を強制することが多い。残念なことに、実際のプログラムは結果の分類を外し、非干渉が許容するインプットを許容すると同時に、プログレス・インセンティブが無視するプログレス・チャンネルを含む漏洩を攻撃者が制御するのを防ぐ必要がある。この作業は、進捗に敏感なセキュリティのためのアイデアと、セキュアなダウングレーディング(非クラス化と支持)を組み合わせることで、安全なダウングレーディングの進捗情報の概念を識別する。提案手法は,非可逆性情報流と非可逆性情報流の分離を抽出し,非可逆性進行リーク(NMPL)を定義するために,高可逆性を用いる。我々は,NMPL を強制する際の進捗リークを許容する最初の情報フロー型システムを提案し,セキュアな進行ダウングレードの位置を推定する方法を示す。すべての定理は Rocq で検証される。

関連論文リスト

Advancing Neural Network Verification through Hierarchical Safety Abstract Interpretation [52.626086874715284]
我々は、安全でない出力の階層構造を検証する抽象的DNN検証と呼ばれる新しい問題定式化を導入する。出力到達可能な集合に関する抽象的解釈と推論を活用することにより,形式的検証プロセスにおいて,複数の安全性レベルを評価することができる。我々の貢献には、新しい抽象的安全性の定式化と既存のアプローチとの関係を理論的に探求することが含まれる。
論文参考訳（メタデータ） (2025-05-08T13:29:46Z)
Do We Really Need Curated Malicious Data for Safety Alignment in Multi-modal Large Language Models? [83.53005932513155]
MLLM(Multi-modal large language model)は大きな進歩を遂げているが、その安全性は依然として限られている。そこで我々は, 単純明快な拒絶文に代えて, 少数の良性命令追従データに対して, MLLMを微調整する手法を提案する。
論文参考訳（メタデータ） (2025-04-14T09:03:51Z)
ZeroFlow: Overcoming Catastrophic Forgetting is Easier than You Think [22.333776599402754]
我々はZeroFlowの最初のベンチマークを導入し、勾配のない最適化アルゴリズムを評価し、忘れを克服する。このベンチマークでは、複数のメソッドをまたいだフォワードパスメソッドのスイートを調べ、シナリオやデータセットを忘れる。フォワードパスだけでは、忘れを乗り越えるには十分です。
論文参考訳（メタデータ） (2025-01-02T04:10:17Z)
Rethinking PGD Attack: Is Sign Function Necessary? [131.6894310945647]
本稿では,このような手話に基づく更新アルゴリズムが段階的攻撃性能にどのように影響するかを理論的に分析する。本稿では,手話の使用を排除したRGDアルゴリズムを提案する。提案したRGDアルゴリズムの有効性は実験で広く実証されている。
論文参考訳（メタデータ） (2023-12-03T02:26:58Z)
Just-in-Time Detection of Silent Security Patches [7.840762542485285]
セキュリティパッチは黙秘される可能性がある。つまり、CVEのような包括的なアドバイザリを常に備えているわけではない。この透明性の欠如により、ユーザーは利用可能なセキュリティアップデートを気にせず、攻撃者が未パッチの脆弱性を悪用する十分な機会を提供する。本稿では,大規模言語モデル(LLM)を活用して,生成されたコード変更説明を用いてパッチ情報を拡張することを提案する。
論文参考訳（メタデータ） (2023-12-02T22:53:26Z)
Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
論文参考訳（メタデータ） (2022-07-21T11:14:47Z)
Scalable Synthesis of Verified Controllers in Deep Reinforcement Learning [0.0]
高品質の安全シールドを合成できる自動検証パイプラインを提案します。私たちの重要な洞察は、事前に計算された安全シールドを使用して神経コントローラのトレーニングを制限し、神経コントローラから安全検証を分離することを含みます。実測的な高次元深部RLベンチマークによる実験結果から,本手法の有効性が示された。
論文参考訳（メタデータ） (2021-04-20T19:30:29Z)

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。