論文の概要: MemTrust: A Zero-Trust Architecture for Unified AI Memory System
- arxiv url: http://arxiv.org/abs/2601.07004v1
- Date: Sun, 11 Jan 2026 17:37:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:01.110864
- Title: MemTrust: A Zero-Trust Architecture for Unified AI Memory System
- Title（参考訳）: MemTrust: 統一AIメモリシステムのためのゼロトラストアーキテクチャ
- Authors: Xing Zhou, Dmitrii Ustiugov, Haoxin Shang, Kisson Lin,
- Abstract要約: 中央集権化は、ユーザが機密性の高いデジタルメモリデータを持つクラウドプロバイダを信頼しなければならない信頼の危機を生み出します。
本稿では,AIメモリシステムの共通機能コンポーネントを抽象化する5層アーキテクチャを提案する。
これに基づいて、ハードウェアベースのゼロトラストアーキテクチャであるMemTrustを設計し、すべての層にわたる暗号保証を提供します。
- 参考スコア（独自算出の注目度）: 1.6221135438213565
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI memory systems are evolving toward unified context layers that enable efficient cross-agent collaboration and multi-tool workflows, facilitating better accumulation of personal data and learning of user preferences. However, centralization creates a trust crisis where users must entrust cloud providers with sensitive digital memory data. We identify a core tension between personalization demands and data sovereignty: centralized memory systems enable efficient cross-agent collaboration but expose users' sensitive data to cloud provider risks, while private deployments provide security but limit collaboration. To resolve this tension, we aim to achieve local-equivalent security while enabling superior maintenance efficiency and collaborative capabilities. We propose a five-layer architecture abstracting common functional components of AI memory systems: Storage, Extraction, Learning, Retrieval, and Governance. By applying TEE protection to each layer, we establish a trustworthy framework. Based on this, we design MemTrust, a hardware-backed zero-trust architecture that provides cryptographic guarantees across all layers. Our contributions include the five-layer abstraction, "Context from MemTrust" protocol for cross-application sharing, side-channel hardened retrieval with obfuscated access patterns, and comprehensive security analysis. The architecture enables third-party developers to port existing systems with acceptable development costs, achieving system-wide trustworthiness. We believe that AI memory plays a crucial role in enhancing the efficiency and collaboration of agents and AI tools. AI memory will become the foundational infrastructure for AI agents, and MemTrust serves as a universal trusted framework for AI memory systems, with the goal of becoming the infrastructure of memory infrastructure.
- Abstract（参考訳）: AIメモリシステムは、効率的なクロスエージェントコラボレーションとマルチツールワークフローを可能にし、パーソナルデータのより良い蓄積とユーザの好みの学習を促進する、統合されたコンテキスト層に向けて進化している。
しかし、中央集権化は、ユーザが機密性の高いデジタルメモリデータを持つクラウドプロバイダを信頼しなければならない信頼危機を生み出します。
集中型メモリシステムは、効率的なクロスエージェントコラボレーションを可能にするが、ユーザの機密データをクラウドプロバイダのリスクに公開する一方で、プライベートデプロイメントはセキュリティを提供するが、コラボレーションを制限する。
この緊張を解消するために、我々は、より優れたメンテナンス効率と協調機能を実現しつつ、地域と同等のセキュリティを実現することを目的としている。
本稿では,AIメモリシステムの共通機能コンポーネントであるストレージ,抽出,学習,検索,ガバナンスを抽象化する5層アーキテクチャを提案する。
各レイヤにTEE保護を適用することで、信頼できるフレームワークを確立します。
これに基づいて、ハードウェアベースのゼロトラストアーキテクチャであるMemTrustを設計し、すべての層にわたる暗号保証を提供します。
コントリビューションには、クロスアプリケーション共有のための"Context from MemTrust"プロトコル、難読化アクセスパターンによるサイドチャネル強化検索、包括的なセキュリティ分析が含まれる。
このアーキテクチャにより、サードパーティの開発者は既存のシステムを許容する開発コストで移植し、システム全体の信頼性を達成できる。
私たちは、エージェントとAIツールの効率性とコラボレーションを高める上で、AIメモリが重要な役割を担っていると信じています。
AIメモリはAIエージェントの基盤インフラストラクチャとなり、MemTrustは、メモリインフラストラクチャのインフラストラクチャになることを目標として、AIメモリシステムの普遍的な信頼できるフレームワークとして機能する。
関連論文リスト
- Trusted AI Agents in the Cloud [4.2366483628004366]
Omegaは、エンドツーエンドのアイソレーションを強制することによって、信頼できるAIエージェントを可能にするシステムである。
クロスプリンシパル信頼確立による効率的なマルチエージェントオーケストレーションを提供する。
クラウドスケールでの高密度でポリシーに準拠したマルチエージェントデプロイメントを実現すると同時に、高いパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-05T18:48:53Z) - Securing Generative AI in Healthcare: A Zero-Trust Architecture Powered by Confidential Computing on Google Cloud [0.0]
Confidential Zero-Trust Framework (CZF) は、Zero-Trust ArchitectureとConfidential Computingのハードウェア強化データアイソレーションを組み合わせたセキュリティパラダイムである。
CZFは、ハードウェアベースのTrusted Execution Environment内で使用中にデータが暗号化される詳細なアーキテクチャを提供する。
論文 参考訳（メタデータ） (2025-11-14T19:56:52Z) - Bridging the Mobile Trust Gap: A Zero Trust Framework for Consumer-Facing Applications [51.56484100374058]
本稿では,信頼できないユーザ制御環境で動作するモバイルアプリケーションを対象としたZero Trustモデルを提案する。
デザインサイエンスの方法論を用いて、この研究は、実行時の信頼の強制をサポートする6つのピラーフレームワークを導入した。
提案したモデルは,デプロイ前コントロールを越えてモバイルアプリケーションをセキュアにするための,実用的で標準に準拠したアプローチを提供する。
論文 参考訳（メタデータ） (2025-08-20T18:42:36Z) - Using the NANDA Index Architecture in Practice: An Enterprise Perspective [9.707223291705601]
自律型AIエージェントの普及は、従来のWebアーキテクチャから協調的なインテリジェントシステムへのパラダイムシフトを表している。
本稿では,セキュアで信頼性が高く,相互運用可能なAIエージェントエコシステムの基盤要件に対処する包括的なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-05T05:27:27Z) - LLM Agents Should Employ Security Principles [60.03651084139836]
本稿では,大規模言語モデル(LLM)エージェントを大規模に展開する際には,情報セキュリティの確立した設計原則を採用するべきであることを論じる。
AgentSandboxは、エージェントのライフサイクル全体を通して保護を提供するために、これらのセキュリティ原則を組み込んだ概念的なフレームワークである。
論文 参考訳（メタデータ） (2025-05-29T21:39:08Z) - Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。
ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
論文 参考訳（メタデータ） (2025-05-26T06:44:31Z) - Authentication and identity management based on zero trust security model in micro-cloud environment [0.0]
Zero Trustフレームワークは、クラウドパラダイムにおけるインサイダー攻撃によるセキュリティ侵害を抑えながら、外部攻撃者を追跡してブロックすることができる。
本稿では,リソースへのアクセス制御の確立のために,認証機構,信頼スコアの算出,ポリシの生成に焦点をあてる。
論文 参考訳（メタデータ） (2024-10-29T09:06:13Z) - Towards Secure and Private AI: A Framework for Decentralized Inference [14.526663289437584]
大規模マルチモーダル基盤モデルは、スケーラビリティ、信頼性、潜在的な誤用に関する課題を提示する。
分散システムは、ワークロードの分散と障害の中心的なポイントの緩和によるソリューションを提供する。
これらの課題に対処するためには、AI開発に責任を負うように設計された包括的なフレームワークを使います。
論文 参考訳（メタデータ） (2024-07-28T05:09:17Z) - HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。
低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。
私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
論文 参考訳（メタデータ） (2024-01-17T00:56:23Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。