論文の概要: Prose2Policy (P2P): A Practical LLM Pipeline for Translating Natural-Language Access Policies into Executable Rego

• arxiv url: http://arxiv.org/abs/2603.15799v1
• Date: Mon, 16 Mar 2026 18:32:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:06.942029
• Title: Prose2Policy (P2P): A Practical LLM Pipeline for Translating Natural-Language Access Policies into Executable Rego
• Title（参考訳）: Prose2Policy (P2P):自然言語アクセスポリシーを実行可能なRegoに変換するための実用的なLLMパイプライン
• Abstract要約: Prose2Policyは自然言語アクセス制御ポリシー(NLACP)を実行可能なRegoコードに変換する。 ポリシー検出、コンポーネント抽出、スキーマ検証、リンティング、コンパイル、自動テスト生成、実行を実行するモジュール型のエンドツーエンドパイプラインを提供する。
• 参考スコア（独自算出の注目度）: 1.7730529654659213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prose2Policy (P2P) is a LLM-based practical tool that translates natural-language access control policies (NLACPs) into executable Rego code (the policy language of Open Policy Agent, OPA). It provides a modular, end-to-end pipeline that performs policy detection, component extraction, schema validation, linting, compilation, automatic test generation and execution. Prose2Policy is designed to bridge the gap between human-readable access requirements and machine-enforceable policy-as-code (PaC) while emphasizing deployment reliability and auditability. We evaluated Prose2Policy on the ACRE dataset and demonstrated a 95.3\% compile rate for accepted policies, with automated testing achieving a 82.2\% positive-test pass rate and a 98.9\% negative-test pass rate. These results indicate that Prose2Policy produces syntactically robust and behaviorally consistent Rego policies suitable for Zero Trust and compliance-driven environments.
• Abstract（参考訳）: Prose2Policy (P2P)は、自然言語アクセス制御ポリシー(NLACP)を実行可能なRegoコード(Open Policy Agent, OPAのポリシー言語)に変換するLLMベースの実用ツールである。 ポリシー検出、コンポーネント抽出、スキーマ検証、リンティング、コンパイル、自動テスト生成、実行を実行するモジュール型のエンドツーエンドパイプラインを提供する。 Prose2Policyは、人間の読みやすいアクセス要件とマシン強化可能なポリシ・アズ・コード(PaC)のギャップを埋めると同時に、デプロイメントの信頼性と監査性を強調している。 我々は、ACREデータセット上でProse2Policyを評価し、承認されたポリシーに対して95.3\%のコンパイル率を示し、自動テストは82.2\%の正のテストパスレートと98.9\%の負のテストパスレートを達成した。 これらの結果から, Prose2Policyはゼロトラストおよびコンプライアンス駆動環境に適した構文的に堅牢で, 行動的に整合したRegoポリシーを生成することが示唆された。

関連論文リスト

• PolicyMem: Geometric Policy Memory for LLM Governance [72.04962480384322]
  我々は、自然言語ポリシーを再利用可能な幾何学的メモリオブジェクトとして外部化する幾何学的ポリシーメモリであるPhysicalMemを紹介する。 メモリライターは、自然言語ポリシーをポリシーメモリスロットにコンパイルし、クエリ応答ペアはプロジェクションエネルギーを介してポリシーメモリを読み取る。 得られた政策証拠プロファイルは、安全判断を直接仲介し、政策帰属および事後検証のために再利用される。
  論文  参考訳（メタデータ） (2026-09-12T06:07:43Z)
• From Natural Language Policies to Executable Obligations: A Verification Harness for Dependable In-Car LLM Agents [0.5352699766206808]
  我々は,CAR-bench Track1への参入であるAgentGuardUtilを紹介した。 各会話で出荷される自然言語ポリシーは、ポリシー毎に1度、型付きマシンチェック可能なルールにコンパイルされる。 決定論的義務エンジンは、これらのルールをライブツールの結果と、ドラフト自体のシミュレーション後状態に対して解釈する。
  論文  参考訳（メタデータ） (2026-08-24T14:06:21Z)
• PolicyGuard: Prompt-Configurable Semantic DLP for LLM Coding Agents [0.8836202788658859]
  既存のデータ損失防止ソリューションは、厳格なパターン、モデル微調整、カスタマイズ可能なベンダー管理型分類器に依存している。 自然言語ポリシーファイルを使用してプロンプトを分類するプレモデルインターセプションフレームワークであるPhysageGuardを提案する。 主な貢献は,(1) 分類基準がコード変更やモデル再訓練を伴わない非技術者によって編集可能なポリシー文書で完全に定義されるポリシ・アズ・プロンプト・パラダイム,(2) テンプレート・ファミリーレベルのデータ分割,隠蔽ホールドアウト,凍結したテストセットによる一般化の厳密な評価を行うシールされた評価プロトコルである。
  論文  参考訳（メタデータ） (2026-08-03T08:10:15Z)
• Autoformalization of Agent Instructions into Policy-as-Code [0.0]
  本稿では,エージェントプロンプト,MPPツール記述,自然言語ポリシー文書を公式なポリシーに変換する自動形式化パイプラインを提案する。 結果として得られたポリシーは、Cedar Policy Languageで書かれています。 MedAgentBenchベンチマークでは、手書きのシンボル適用よりも、手書きの自然言語仕様をかなりカバーしています。
  論文  参考訳（メタデータ） (2026-06-25T06:23:15Z)
• Stochastic MeanFlow Policies: One-Step Generative Control with Entropic Mirror Descent [53.828537014796574]
  オンラインの非政治強化学習(RL)は、ポリシークラスと更新ルールの2つの選択肢によって構成されている。 我々は、MeanFlow変換を通じてノイズをアクションにマッピングする一段階生成ポリシークラスであるMeanFlow Policiesを提案する。 7つのMuJoCoベンチマークで、Sは1ステップの推論効率を維持しながら、ガウスおよび生成ベースラインを改善する。
  論文  参考訳（メタデータ） (2026-05-20T15:14:14Z)
• OGPO: Sample Efficient Full-Finetuning of Generative Control Policies [53.42266064673132]
  ジェネレーティブコントロールポリシー(GCP)は、ロボット学習に有効なパラメータ化として登場した。 この研究は、GCPを微調整するためのサンプル効率であるOGPO(Off-policy Generative Policy Optimization)を導入している。 OGPOはマルチタスク設定、高精度挿入、デクスタラス制御にまたがる操作タスクにおける最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-05-04T18:36:40Z)
• PPO guided Agentic Pipeline for Adaptive Prompt Selection and Test Case Generation [0.30786914102688595]
  本稿では,強化学習駆動型エージェントフレームワークを用いた新しいテストケース生成手法を提案する。 フェーズ1では、ToT誘導最適化エージェントが冗長性を取り除き、ソースコードを分割し、最小化する。 フェーズIIでは、8つの異なるプロンプト技術の中からプロンプトを選択する問題を解くために、PPOベースのポリシーネットワークを訓練する。 PPOエージェントは、ラインとブランチのカバレッジの増加、探索されていないブランチに対する罰則、ソースコードの長さを減らす報酬の組み合わせに基づいて報酬を受け取る。
  論文  参考訳（メタデータ） (2026-05-01T06:19:51Z)
• Policy Compiler for Secure Agentic Systems [20.346157626726725]
  本稿では,エージェントシステムのためのポリシーコンパイラであるPCASについて紹介する。 我々はPCASを3つのケーススタディ – インジェクション防衛のための情報フローポリシー、マルチエージェント製薬システムにおける承認、カスタマーサービスのための組織ポリシー – で評価する。
  論文  参考訳（メタデータ） (2026-02-18T18:57:12Z)
• Executable Governance for AI: Translating Policies into Rules Using LLMs [1.388831902854619]
  Policy-to-Tests(P2T)は、自然ポリシー文書を正規化された機械可読ルールに変換するフレームワークである。 フレームワークを単一のポリシーを超えてテストするために、一般的なフレームワーク、セクターガイダンス、エンタープライズ標準に適用します。 これらのAI生成ルールは、スパンレベルとルールレベルのメトリクスに関する強力な人間のベースラインと密接に一致し、ゴールドセットに関するロバストなアノテータ間の合意がある。
  論文  参考訳（メタデータ） (2025-12-04T03:11:54Z)
• Relative Entropy Pathwise Policy Optimization [66.03329137921949]
  そこで本稿では,Q値モデルをオンライントラジェクトリから純粋に訓練するオンラインアルゴリズムを提案する。 安定トレーニングのための制約付き更新と探索のためのポリシを組み合わせる方法を示し、価値関数学習を安定化させる重要なアーキテクチャコンポーネントを評価する。
  論文  参考訳（メタデータ） (2025-07-15T06:24:07Z)
• ARPaCCino: An Agentic-RAG for Policy as Code Compliance [0.0]
  ARPaCCinoは、Large Language Models、Retrieval-Augmented-Generation、ツールベースのバリデーションを組み合わせたエージェントシステムである。 公式なRegoルールを生成し、IaC準拠を評価し、IaC設定を反復的に洗練し、適合性を保証する。 本研究では,PACの自動化,信頼性,アクセシビリティを高めるために,エージェントRAGアーキテクチャの可能性を強調した。
  論文  参考訳（メタデータ） (2025-07-11T12:36:33Z)
• Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
  本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。 提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。 本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
  論文  参考訳（メタデータ） (2025-01-20T08:40:15Z)
• PolicyLR: A Logic Representation For Privacy Policies [34.73520882451813]
  我々は、プライバシポリシーの包括的な機械可読表現を提供する新しいパラダイムであるPolicyLRを提案する。 PolicyLRは、プライバシーポリシーを原子式の評価を用いて機械可読形式に変換する。 ポリシコンプライアンス,一貫性検出,プライバシ比較ショッピングという3つのプライバシタスクにおいて,ポリシLRを実証する。
  論文  参考訳（メタデータ） (2024-08-27T07:27:16Z)
• Supervised Off-Policy Ranking [145.3039527243585]
  オフポリシー評価(OPE)は、他のポリシーによって生成されたデータを活用して、ターゲットポリシーを評価する。 本稿では,訓練方針と既知の実績を正しくランク付けすることで,政策スコアリングモデルを学習する教師付き非政治ランキングを提案する。 本手法は,上位3つのポリシーのうち,最良と最良の双方のランク相関と性能差の両面から,強力なベースラインOPE法より優れる。
  論文  参考訳（メタデータ） (2021-07-03T07:01:23Z)
• Efficient Evaluation of Natural Stochastic Policies in Offline Reinforcement Learning [80.42316902296832]
  行動政策から逸脱した観点から定義される自然政策の効果的な非政治的評価について検討する。 これは、ほとんどの著作が明示された政策の評価を考慮に入れている、政治外の評価に関する文献から逸脱している。
  論文  参考訳（メタデータ） (2020-06-06T15:08:24Z)

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。