論文の概要: Never Trust the Manufacturer, Never Trust the Client: A Novel Method for Streaming STL Files for Secure Additive

• arxiv url: http://arxiv.org/abs/2507.06421v1
• Date: Tue, 08 Jul 2025 21:59:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.403807
• Title: Never Trust the Manufacturer, Never Trust the Client: A Novel Method for Streaming STL Files for Secure Additive
• Title（参考訳）: Never Trust the Manufacturer, Never Trust the Client: A Novel Method for Streaming STL Files for Secure Additive
• Authors: Seyed Ali Ghazi Asgar, Narasimha Reddy, Satish T. S. Bukkapatnam,
• Abstract要約: 特にサイバー攻撃による知的財産権の確保が大きな課題である。 可能な解決策として、プロセスプラン(Gコード)ファイルを共有するのではなく、ストリーミングする。 本稿では,クライアントとメーカが相互に信頼できない場合に,現実的なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.9116784879310031
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While additive manufacturing has opened interesting avenues to reimagine manufacturing as a service (MaaS) platform, transmission of design files from client to manufacturer over networks opens up many cybersecurity challenges. Securing client's intellectual property (IP) especially from cyber-attacks emerges as a major challenge. Earlier works introduced streaming, instead of sharing process plan (G-code) files, as a possible solution. However, executing client's G-codes on manufacturer's machines exposes them to potential malicious G-codes. This paper proposes a viable approach when the client and manufacturer do not trust each other and both the client and manufacturer want to preserve their IP of designs and manufacturing process respectively. The proposed approach is based on segmenting and streaming design (STL) files and employing a novel machine-specific STL to G-code translator at the manufacturer's site in real-time for printing. This approach secures design and manufacturing process IPs as demonstrated in a real-world implementation.
• Abstract（参考訳）: 追加製造業は、MaaS(Minging as a Service)プラットフォームを再定義するための興味深い道を開いたが、クライアントからメーカへの設計ファイルの送信は、多くのサイバーセキュリティ上の課題を解決している。 特にサイバー攻撃による知的財産権の確保が大きな課題である。 以前の作業では、プロセスプラン(Gコード)ファイルを共有するのではなく、ストリーミングを導入していた。 しかし、メーカーのマシン上でクライアントのGコードを実行すると、悪質なGコードになる可能性がある。 本稿では, クライアントとメーカが相互に信頼せず, クライアントとメーカがそれぞれ, 設計プロセスと製造プロセスのIPを維持したい場合に, 実現可能なアプローチを提案する。 提案手法は, セグメンテーションとストリーミング設計(STL)ファイルに基づいて, 印刷をリアルタイムに現場のGコードトランスレータにマシン固有のSTLを用いる。 このアプローチは、実世界の実装で実証されたように、設計および製造プロセスIPを確保する。

関連論文リスト

• Harmless Backdoor-based Client-side Watermarking in Federated Learning [4.999947975898418]
  Sanitizerはサーバサイドのメソッドで、クライアントに埋め込まれたバックドアが無害な環境でのみアクティベートされることを保証する。 悪意のある透かしの使用のリスクを軽減しつつ、クライアントのコントリビューションを検証するのにほぼ完璧です。
  論文  参考訳（メタデータ） (2024-10-28T16:20:01Z)
• CodeIP: A Grammar-Guided Multi-Bit Watermark for Large Language Models of Code [56.019447113206006]
  大規模言語モデル(LLM)はコード生成において顕著な進歩を遂げた。 CodeIPは、新しいマルチビット透かし技術で、出所の詳細を保持するために追加情報を挿入する。 5つのプログラミング言語にまたがる実世界のデータセットで実施された実験は、CodeIPの有効性を実証している。
  論文  参考訳（メタデータ） (2024-04-24T04:25:04Z)
• Confidential Federated Computations [16.415880530250092]
  Federated Learning and Analytics (FLA)は、デバイス上の機密データを処理するためのテクノロジプラットフォームによって広く採用されている。 FLAシステムは必ずしも差分プライバシー(DP)のような匿名化機構を必要としない 本稿では,サーバサイドの計算の秘密性を確保するために,TEEとオープンソースを活用した新しいシステムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:47:27Z)
• Stop Stealing My Data: Sanitizing Stego Channels in 3D Printing Design Files [56.96539046813698]
  ステガノグラフィーチャネルは、印刷されたモデルを変更することなく、追加のデータをSTLファイル内に埋め込むことができる。 本稿では,ステガノグラフィーチャネルが存在する可能性のある隠されたコンテンツを消去するアンフェニタイザーを設計し,評価することで,このセキュリティ上の脅威に対処する。
  論文  参考訳（メタデータ） (2024-04-07T23:28:35Z)
• HOACS: Homomorphic Obfuscation Assisted Concealing of Secrets to Thwart Trojan Attacks in COTS Processor [0.6874745415692134]
  ハードウェアトロイの木馬に対する秘密資産の機密性を確保するためのソフトウェア指向の対策を提案する。 提案したソリューションは、サプライチェーンエンティティを信頼する必要はなく、IC設計の分析や修正を必要としない。 我々は,AES(Advanced Encryption Standard)プログラムで秘密鍵を保護するために提案手法を実装し,詳細なセキュリティ分析を行った。
  論文  参考訳（メタデータ） (2024-02-15T04:33:30Z)
• DP-OPT: Make Large Language Model Your Privacy-Preserving Prompt Engineer [57.04801796205638]
  大きな言語モデル(LLM)は、様々なタスクのための支配的なツールとして現れています。 しかし、データプライバシに関する懸念は、調整されたプロンプトが機密情報に依存しているため、障害となる。 本稿では,DP-OPT(Dis Differentially-Private Offsite Prompt Tuning)を提案する。
  論文  参考訳（メタデータ） (2023-11-27T02:01:10Z)
• PEOPL: Characterizing Privately Encoded Open Datasets with Public Labels [59.66777287810985]
  プライバシとユーティリティのための情報理論スコアを導入し、不誠実なユーザの平均パフォーマンスを定量化する。 次に、ランダムなディープニューラルネットワークの使用を動機付ける符号化スキームのファミリーを構築する際のプリミティブを理論的に特徴づける。
  論文  参考訳（メタデータ） (2023-03-31T18:03:53Z)
• CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
  総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。 CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
  論文  参考訳（メタデータ） (2020-02-03T14:49:18Z)

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。