論文の概要: Wanilla: Sound Noninterference Analysis for WebAssembly

• arxiv url: http://arxiv.org/abs/2509.08758v1
• Date: Wed, 10 Sep 2025 16:47:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.518405
• Title: Wanilla: Sound Noninterference Analysis for WebAssembly
• Title（参考訳）: Wanilla: WebAssemblyのサウンド非干渉分析
• Authors: Markus Scherer, Jeppe Fredsgaard Blaabjerg, Alexander Sjösten, Matteo Maffei,
• Abstract要約: 本研究は,テントを値上で追跡することにより,非干渉に到達可能性解析を引き上げるための,新規で一般的なアプローチを示す。 このアプローチはWebAssemblyの最初の自動、音声、および完全に静的な非干渉分析であるWanillaで実装されている。
• 参考スコア（独自算出の注目度）: 45.560305957640686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: WebAssembly (Wasm) is rapidly gaining popularity as a distribution format for software components embedded in various security-critical domains. Unfortunately, despite its prudent design, WebAssembly's primary use case as a compilation target for memory-unsafe languages leaves some possibilities for memory corruption. Independently of that, Wasm is an inherently interesting target for information flow analysis due to its interfacing role. Both the information flows between a Wasm module and its embedding context, as well as the memory integrity within a module, can be described by the hyperproperty noninterference. So far, no sound, fully static noninterference analysis for Wasm has been presented, but sound reachability analyses were. This work presents a novel and general approach to lift reachability analyses to noninterference by tracking taints on values and using value-sensitive, relational reasoning to remove them when appropriate. We implement this approach in Wanilla, the first automatic, sound, and fully static noninterference analysis for WebAssembly, and demonstrate its performance and precision by verifying memory integrity and other noninterference properties with several synthetic and real-world benchmarks.
• Abstract（参考訳）: WebAssembly(Wasm)は、さまざまなセキュリティクリティカルなドメインに埋め込まれたソフトウェアコンポーネントの配布フォーマットとして急速に人気を集めています。 残念なことに、その慎重な設計にもかかわらず、メモリ不安全な言語のコンパイルターゲットとしてのWebAssemblyの第一のユースケースは、メモリの破損の可能性を残している。 独立して、Wasmはその対面的な役割のため、情報フロー分析の本質的に興味深いターゲットである。 Wasmモジュール間の情報フローとその埋め込みコンテキスト、およびモジュール内のメモリ整合性は、ハイパープロパティ非干渉によって記述できる。 今のところ、Wasmの音の非干渉解析は行われていないが、音の到達性解析は行われていない。 本研究は、値上のテナントを追跡し、値に敏感なリレーショナル推論を用いて、非干渉に対する到達可能性分析を引き上げるための、新しく一般的なアプローチを示す。 本手法はWebAssembly用の最初の自動、音声、および完全に静的な非干渉解析であるWanillaで実装され、メモリ完全性やその他の非干渉特性を複数の合成および実世界のベンチマークで検証し、その性能と精度を実証する。

関連論文リスト

• Shallow Features Matter: Hierarchical Memory with Heterogeneous Interaction for Unsupervised Video Object Segmentation [1.5223740593989445]
  Unsupervised Video Object (UVOS) は、事前のアノテーションを使わずに、ビデオで最も精巧なオブジェクトのピクセルレベルのマスクを予測することを目的としている。 分析の結果,既存の手法には,高レベルのセマンティックな特徴を記憶する過度な信頼性という,単純だが根本的な欠陥があることがわかった。 本稿では,メモリの浅層・高層両方の機能を組み込んだ新しい階層型メモリアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-30T08:11:18Z)
• Dual Semantic-Aware Network for Noise Suppressed Ultrasound Video Segmentation [21.117226880898418]
  超音波ビデオセグメンテーションにおける雑音の頑健性を高めるための新しいフレームワークを提案する。 Dual Semantic-Aware Network (DSANet)は、局所的特徴とグローバル的特徴の相互意味認識を促進する。 我々のモデルは画素レベルの特徴依存を回避し、ビデオベース手法よりもはるかに高い推論FPSを実現し、画像ベースモデルを超えている。
  論文  参考訳（メタデータ） (2025-07-10T05:41:17Z)
• Client-Side Zero-Shot LLM Inference for Comprehensive In-Browser URL Analysis [0.0]
  悪意のあるウェブサイトやフィッシングURLは、サイバーセキュリティのリスクがますます高まっている。 従来の検出アプローチは機械学習に依存している。 包括的URL分析のための新しいクライアントサイドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-04T07:47:23Z)
• Learning Spatial-Semantic Features for Robust Video Object Segmentation [108.045326229865]
  本稿では,空間意味的特徴と識別的オブジェクトクエリを学習する,ロバストなビデオオブジェクトセグメンテーションフレームワークを提案する。 DAVIS 2017 test (textbf87.8%)、YoutubeVOS 2019 (textbf88.1%)、MOSE val (textbf74.0%)、LVOS test (textbf73.0%)を含むベンチマークデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-07-10T15:36:00Z)
• StyDeSty: Min-Max Stylization and Destylization for Single Domain Generalization [85.18995948334592]
  単一のドメインの一般化(単一DG)は、単一のトレーニングドメインからのみ見えないドメインに一般化可能な堅牢なモデルを学ぶことを目的としている。 最先端のアプローチは、主に新しいデータを合成するために、敵対的な摂動やスタイルの強化といったデータ拡張に頼っている。 データ拡張の過程で、ソースと擬似ドメインのアライメントを明示的に考慮したemphStyDeStyを提案する。
  論文  参考訳（メタデータ） (2024-06-01T02:41:34Z)
• SLIFER: Investigating Performance and Robustness of Malware Detection Pipelines [12.940071285118451]
  アカデミアは、モデル1つまたはアンサンブル内の静的解析と動的解析を組み合わせることに焦点を当てる。 本稿では,多種多様な解析手法を用いて構築したマルウェア検知器の特性について検討する。 私たちが知る限り、我々はシーケンシャルなマルウェア検知器の特性を初めて調査し、実際の生産環境での行動に光を当てています。
  論文  参考訳（メタデータ） (2024-05-23T12:06:10Z)
• Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector [72.05791402494727]
  本稿では,CD-FSODを用いたクロスドメイン小ショット検出法について検討する。 最小限のラベル付き例で、新しいドメインのための正確なオブジェクト検出器を開発することを目的としている。
  論文  参考訳（メタデータ） (2024-02-05T15:25:32Z)
• Pin the Memory: Learning to Generalize Semantic Segmentation [68.367763672095]
  本稿ではメタラーニングフレームワークに基づくセマンティックセグメンテーションのための新しいメモリ誘導ドメイン一般化手法を提案する。 本手法は,セマンティッククラスの概念的知識を,ドメインを超えて一定であるカテゴリ記憶に抽象化する。
  論文  参考訳（メタデータ） (2022-04-07T17:34:01Z)
• DisARM: Displacement Aware Relation Module for 3D Detection [38.4380420322491]
  Displacement Aware Relation Module (DisARM)は、ポイントクラウドシーンにおける3Dオブジェクト検出の性能を向上させるニューラルネットワークモジュールである。 アンカーを見つけるために,まず,対象性を考慮したサンプリング手法を用いて予備的な関係アンカーモジュールを実行する。 この軽量なリレーショナルモジュールは、最先端検出器に差し込む際にオブジェクトインスタンス検出の精度を著しく向上させる。
  論文  参考訳（メタデータ） (2022-03-02T14:49:55Z)
• Local Memory Attention for Fast Video Semantic Segmentation [157.7618884769969]
  既存の単一フレームセマンティックセグメンテーションモデルをビデオセマンティックセグメンテーションパイプラインに変換する新しいニューラルネットワークモジュールを提案する。 我々のアプローチは過去のフレームにおける意味情報の豊富な表現をメモリモジュールに集約する。 都市景観におけるセグメンテーション性能は,それぞれ1.7%,2.1%改善し,erfnetの推論時間は1.5msに抑えられた。
  論文  参考訳（メタデータ） (2021-01-05T18:57:09Z)

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。