論文の概要: Know Your Scientist: KYC as Biosecurity Infrastructure
- arxiv url: http://arxiv.org/abs/2602.06172v1
- Date: Thu, 05 Feb 2026 20:24:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-09 22:18:26.098387
- Title: Know Your Scientist: KYC as Biosecurity Infrastructure
- Title（参考訳）: あなたの科学者を知る - KYCをバイオセキュリティインフラストラクチャとして
- Authors: Jonathan Feldman, Tal Feldman, Annie I Anton,
- Abstract要約: 現在のモデルレベルの制限は生物学に不適であり、信頼できる機能予測は到達範囲を超え、新しい脅威は設計による検出を回避している。
我々は、金融セクターにおけるアンチマネーロンダリング(AML)の実践にインスパイアされた、3段階のノウ・ユア・カスタマ(KYC)フレームワークを提案する。
この階層化されたアプローチは、制度的説明責任とトレーサビリティを通じて誤用コストを上昇させながら、正当な研究者のアクセスを維持する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biological AI tools for protein design and structure prediction are advancing rapidly, creating dual-use risks that existing safeguards cannot adequately address. Current model-level restrictions, including keyword filtering, output screening, and content-based access denials, are fundamentally ill-suited to biology, where reliable function prediction remains beyond reach and novel threats evade detection by design. We propose a three-tier Know Your Customer (KYC) framework, inspired by anti-money laundering (AML) practices in the financial sector, that shifts governance from content inspection to user verification and monitoring. Tier I leverages research institutions as trust anchors to vouch for affiliated researchers and assume responsibility for vetting. Tier II applies output screening through sequence homology searches and functional annotation. Tier III monitors behavioral patterns to detect anomalies inconsistent with declared research purposes. This layered approach preserves access for legitimate researchers while raising the cost of misuse through institutional accountability and traceability. The framework can be implemented immediately using existing institutional infrastructure, requiring no new legislation or regulatory mandates.
- Abstract（参考訳）: タンパク質の設計と構造予測のための生物学的AIツールは急速に進歩しており、既存のセーフガードが適切に対処できない二重用途のリスクを生み出している。
キーワードフィルタリング、出力スクリーニング、コンテンツベースのアクセス拒否といった現在のモデルレベルの制限は、信頼性の高い関数予測が到達範囲を超え、新しい脅威が設計による検出を回避している生物学に基本的に不適である。
我々は、金融セクターにおけるアンチマネーロンダリング(AML)の実践にインスパイアされた3段階のノウ・ユア・カスタマ(KYC)フレームワークを提案する。
ティアー1は、研究機関を信託アンカーとして活用し、関連研究者に投票し、審査の責任を負う。
Tier IIは、シーケンスホモロジー検索と関数アノテーションを通じて出力スクリーニングを適用する。
Tier IIIは、宣言された研究目的と矛盾する異常を検出するために行動パターンを監視する。
この階層化されたアプローチは、制度的説明責任とトレーサビリティを通じて誤用コストを上昇させながら、正当な研究者のアクセスを維持する。
この枠組みは、既存の機関のインフラを使って直ちに実施でき、新しい法律や規制規定は不要である。
関連論文リスト
- AI-Assisted Engineering Should Track the Epistemic Status and Temporal Validity of Architectural Decisions [0.0]
LLMコーディングアシスタントは、チームが検証できるよりも早く意思決定を生成する。
広く採用されているフレームワークは、検証された知識と推測を区別するものではない。
責任あるAI支援工学の3つの要件を提案する。
論文 参考訳（メタデータ） (2026-01-28T23:12:07Z) - Verifiability-First Agents: Provable Observability and Lightweight Audit Agents for Controlling Autonomous LLM Systems [0.0]
本稿では,暗号およびシンボリック手法を用いてエージェントアクションの実行時の検証を統合する,検証可能性第一アーキテクチャを提案する。
また、制約付き推論を用いて意図と行動の連続的な検証を行う監査エージェントを組み込む。
当社のアプローチでは,評価の焦点を,誤適応の可能性から,誤適応の迅速かつ確実な検出と再伝達にシフトしています。
論文 参考訳（メタデータ） (2025-12-19T06:12:43Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - zkSTAR: A zero knowledge system for time series attack detection enforcing regulatory compliance in critical infrastructure networks [0.9558392439655014]
産業制御システム(ICS)は、重要なインフラネットワークの運用のバックボーンを形成する。
規制当局は、システム全体のセキュリティと信頼性を確保するために、より厳格なコンプライアンス要件を課している。
中心的な課題は、機密性の高い運用データを開示するユーティリティを必要とせずに、規制当局が検出メカニズムの有効性を検証することである。
我々は、zk-SNARKを利用してこれらの要求を調整し、証明可能な検出保証を可能にするサイバー攻撃検出フレームワークであるzkSTARを紹介する。
論文 参考訳（メタデータ） (2025-10-27T06:45:11Z) - Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。
モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。
本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
論文 参考訳（メタデータ） (2025-03-13T05:19:44Z) - Beyond Benchmarks: On The False Promise of AI Regulation [13.125853211532196]
有効な科学的規制は、観測可能なテスト結果と将来のパフォーマンスを結びつける因果理論を必要とすることを示す。
本研究では,学習データから複雑な統計的パターンを明示的な因果関係なく学習する深層学習モデルにおいて,そのような保証を妨げていることを示す。
論文 参考訳（メタデータ） (2025-01-26T22:43:07Z) - A PRISMA-Driven Bibliometric Analysis of the Scientific Literature on Assurance Case Patterns [7.930875992631788]
保証ケースはシステム障害を防ぐために使用できる。
それらは構造化された議論であり、様々な安全クリティカルなシステムの要求を議論し、中継することができる。
論文 参考訳（メタデータ） (2024-07-06T05:00:49Z) - Risks of AI Scientists: Prioritizing Safeguarding Over Autonomy [65.77763092833348]
この視点は、AI科学者の脆弱性を調べ、その誤用に関連する潜在的なリスクに光を当てる。
我々は、ユーザ意図、特定の科学的領域、およびそれらが外部環境に与える影響を考慮に入れている。
本稿では,人間規制,エージェントアライメント,環境フィードバックの理解を含む三段階的枠組みを提案する。
論文 参考訳（メタデータ） (2024-02-06T18:54:07Z)
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。