Fugu-MT 論文翻訳(概要): GPT-5 at CTFs: Case Studies From Top-Tier Cybersecurity Events

論文の概要: GPT-5 at CTFs: Case Studies From Top-Tier Cybersecurity Events

arxiv url: http://arxiv.org/abs/2511.04860v1
Date: Thu, 06 Nov 2025 22:48:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-10 21:00:44.612351
Title: GPT-5 at CTFs: Case Studies From Top-Tier Cybersecurity Events
Title（参考訳）: GPT-5 at CTFs: Case Studies from Top-Tier Cybersecurity Events
Authors: Reworr, Artem Petrov, Dmitrii Volkov,
Abstract要約: 私たちは、GPT-5がCTFサイバーセキュリティコンペティションのエリートを競うことによって、フロンティアAIも同様にハッキングに長けていることを示しています。今年の最も厳しい出来事の1つで、人類の93%が25位に終わった。本報告では, 方法論, 結果, その意義について概説する。
参考スコア（独自算出の注目度）: 0.12744523252873352
License: http://creativecommons.org/licenses/by/4.0/
Abstract: OpenAI and DeepMind's AIs recently got gold at the IMO math olympiad and ICPC programming competition. We show frontier AI is similarly good at hacking by letting GPT-5 compete in elite CTF cybersecurity competitions. In one of this year's hardest events, it outperformed 93% of humans finishing 25th: between the world's #3-ranked team (24th place) and #7-ranked team (26th place). This report walks through our methodology, results, and their implications, and dives deep into 3 problems and solutions we found particularly interesting.
Abstract（参考訳）: OpenAIとDeepMindのAIは、最近IMO数学オリンピックとICPCプログラミングコンペティションで金メダルを獲得した。私たちは、GPT-5がCTFサイバーセキュリティコンペティションのエリートを競うことによって、フロンティアAIも同様にハッキングに長けていることを示しています。今年の最も厳しいイベントの1つでは、世界3位のチーム(24位)と7位のチーム(26位)の間で、25位に終わる人間の93%を上回った。このレポートは方法論、結果、そしてその意味を掘り下げ、特に興味深い3つの問題と解決策を深く掘り下げます。

関連論文リスト

Cybersecurity AI in OT: Insights from an AI Top-10 Ranker in the Dragos OT CTF 2025 [0.36134114973155557]
我々は,Dragos OT CTF 2025におけるCAI(Cybersecurity AI)のパフォーマンスについて検討する。 CAIテレメトリと公式のリーダーボードデータを使用して、CAIの軌道を、主要な人間運用チームと比較して定量化します。
論文参考訳（メタデータ） (2025-11-07T10:04:11Z)
Brilla AI: AI Contestant for the National Science and Maths Quiz [0.7329200485567825]
この研究はNSMQ AI Grand Challengeの最初の重要な成果を記述し、評価する。 AIを構築することで、ガーナのNational Science and Maths Quiz(NSMQ)コンペティションに出場し、勝利する"。デビューで、私たちのAIは3つの人間コンテストチームの前の4つの謎のうちの1つに答えました。
論文参考訳（メタデータ） (2024-03-04T03:24:18Z)
DanZero+: Dominating the GuanDan Game through Reinforcement Learning [95.90682269990705]
我々は、GuanDanという、非常に複雑で人気のあるカードゲームのためのAIプログラムを開発した。私たちはまず、DanZeroという名のAIプログラムをこのゲームのために提案しました。 AIの能力をさらに強化するために、政策に基づく強化学習アルゴリズムをGuanDanに適用する。
論文参考訳（メタデータ） (2023-12-05T08:07:32Z)
The 7th AI City Challenge [87.23137854688389]
AIシティチャレンジの第7版では、コンピュータビジョンと人工知能の交差点にある2つのドメインを強調している。 2023年大会には5つのトラックがあり、46カ国508チームからの参加要請が過去最高となった。参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
論文参考訳（メタデータ） (2023-04-15T08:02:16Z)
Teamwork under extreme uncertainty: AI for Pokemon ranks 33rd in the world [0.0]
本稿では,ゲームのメカニズムを解説し,ゲーム解析を行う。ゲームにおける2つの最大の課題は、バランスのとれたチームを維持し、不確実性の3つの源に対処することだ、という認識に基づいて、ユニークなAIアルゴリズムを提案する。我々のAIエージェントは、これまでのすべての試みよりも大幅に向上し、世界で最も人気のある戦闘フォーマットの1つで、世界で33位まで上昇しました。
論文参考訳（メタデータ） (2022-12-27T01:52:52Z)
Artificial Intelligence Security Competition (AISC) [52.20676747225118]
人工知能セキュリティコンペティション(AISC)は、Zhonguancun Laboratory、China Industrial Control Systems Cyber Emergency Response Team、Institute for Artificial Intelligence、清華大学、RealAIによって組織された。コンテストはディープフェイクセキュリティコンペティション、自律運転セキュリティコンペティション、顔認識セキュリティコンペティションの3つのトラックで構成されている。本報告では,これらの3トラックの競合ルールと,各トラックの上位チームのソリューションについて紹介する。
論文参考訳（メタデータ） (2022-12-07T02:45:27Z)
DanZero: Mastering GuanDan Game with Reinforcement Learning [121.93690719186412]
カードゲームAIは、人工知能の研究において常にホットな話題となっている。本稿では,より複雑なカードゲームであるGuanDanのためのAIプログラムの開発に専念する。そこで我々は,強化学習技術を用いたGuanDanのためのAIプログラムDanZeroを提案する。
論文参考訳（メタデータ） (2022-10-31T06:29:08Z)
Deep Q-Network for AI Soccer [6.417982603606359]
Deep Q-Networkは、元の報酬、状態空間、各エージェントをトレーニングするためのアクションスペースを実装するように設計されています。我々のアルゴリズムはエージェントの訓練に成功し、その性能はミニコンペティションによって実証された。このアルゴリズムにより、39カ国130チームとの国際競争で16ラウンドに進出した。
論文参考訳（メタデータ） (2022-09-20T06:04:26Z)
DFGC 2022: The Second DeepFake Game Competition [93.05016504907401]
ディープフェイクは急速に進化しており、現実的なフェイススワップは認識しにくくなっている。 DeepFakeのクリエーターとディフェンダーの間には2人組のゲームがある。このコンペティションは、DeepFakeの生成と検出方法における現在の最先端のゲームをベンチマークするための共通のプラットフォームを提供する。
論文参考訳（メタデータ） (2022-06-30T09:13:06Z)
Retrospective on the 2021 BASALT Competition on Learning from Human Feedback [92.37243979045817]
競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。 LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
論文参考訳（メタデータ） (2022-04-14T17:24:54Z)

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。