論文の概要: Constraint Migration: A Formal Theory of Throughput in AI Cybersecurity Pipelines

• arxiv url: http://arxiv.org/abs/2603.26733v1
• Date: Fri, 20 Mar 2026 17:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.120476
• Title: Constraint Migration: A Formal Theory of Throughput in AI Cybersecurity Pipelines
• Title（参考訳）: 制約マイグレーション: AIサイバーセキュリティパイプラインにおけるスループットの形式的理論
• Authors: Surasak Phetmanee,
• Abstract要約: 有限シリアルパイプラインシステムにおけるスループットの理論は、サイバーセキュリティ操作にAIツールを配置することで動機付けられる。 パイプラインは、正のキャパシティスループットが最小のステージキャパシティを持つ、有限全順序のステージセットである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a formal theory of throughput in finite serial pipeline systems subject to stage multiplicative capacity perturbations, motivated by the deployment of AI tools in cybersecurity operations. A pipeline is a finite totally ordered set of stages each with a positive capacity throughput is the minimum stage capacity. An admissible multiplier assigns to each stage an improvement factor of at least one. We prove five theorems and one proposition. Theorems 1-2 give exact necessary and sufficient conditions. Throughput is unchanged if and only if at least one bottleneck retains multiplier 1, and throughput strictly increases if and only if every bottleneck has multiplier strictly greater than 1. Theorem 3 establishes that when a nonempty subset of stages is constrained to multiplier 1 the human authority constraint, throughput is bounded above by the smallest capacity among those stages, and this bound is tight under unbounded non human acceleration. Theorem 4 proves that in a pair of independent attacker defender pipelines, the attacker defender throughput ratio worsens for the defender if and only if the attacker relative throughput gain exceeds the defender. Theorem 5 proves that under a fixed false positive fraction model, useful throughput is constant not decreasing above the investigation capacity, establishing that a commonly asserted paradoxical decline is impossible in that model. Proposition 6 shows that replacing the fixed fraction with a rate dependent precision function that is strictly decreasing suffices to recover the intended decline. All proofs are elementary, using only finite minima, real number order properties, and pointwise multiplicative structure.
• Abstract（参考訳）: 我々は,サイバーセキュリティ運用におけるAIツールの展開を動機として,段階的乗法的容量摂動を考慮した有限シリアルパイプラインシステムにおけるスループットの形式的理論を構築した。 パイプラインは、正のキャパシティスループットが最小のステージキャパシティを持つ、有限全順序のステージセットである。 許容乗算器は、各ステージに少なくとも1つの改善係数を割り当てる。 5つの定理と1つの命題を証明します。 定理1-2は、正確な必要かつ十分な条件を与える。 スループットが変化しないのは、少なくとも1つのボトルネックが乗算器1を維持している場合と、すべてのボトルネックが乗算器1より厳密に大きい場合と、スループットが厳密に増加する場合に限られる。 定理3は、段階の空でない部分集合が乗算器1に制約されたとき、スループットはこれらの段階の中で最小の容量で上限付けられ、この境界は非有界な非人加速度の下で厳密であることを示す。 定理4は、一対の独立した攻撃者ディフェンダーパイプラインにおいて、攻撃者ディフェンダーのスループット比がディフェンダーよりも大きくなり、攻撃者相対的なスループットのゲインがディフェンダーを上回る場合に限り、証明する。 定理5は、固定された偽正分数モデルの下では、有用なスループットは調査能力より上がらないことを示し、このモデルでは一般的に主張されるパラドックス的減少は不可能である。 仮説6は、固定分率を、意図した減少を回復するために厳格に減少しているレート依存の精度関数に置き換えることを示している。 すべての証明は初等的であり、有限ミニマ、実数次特性、点次乗法構造のみを用いる。

関連論文リスト

• Batched Contextual Reinforcement: A Task-Scaling Law for Efficient Reasoning [11.094089165730383]
  Batched ConThought Reinforcementは、効率的な推論を解放する、最小限のシングルステージトレーニングパラダイムである。 BCRはトークンの使用量を15.8%減らして62.6%に削減し、精度を継続的に維持または改善することを示した。 これらの結果はBCRの実践性を証明し、大規模言語モデルにおける潜在高密度推論の単純な構造インセンティブを示す。
  論文  参考訳（メタデータ） (2026-04-02T17:58:50Z)
• Information-Theoretic Limits of Safety Verification for Self-Improving Systems [0.0]
  我々はこの問題を、和 delta_n infinity (bounded risk) と和 TPR_n = infinity (unbounded utility) を必要とする双対条件で定式化する。 総和可能なリスクスケジュールでは、正確な最大到達可能な分類ユーティリティは U*(N, B) = N * TPR_NP(B/N) であり、exp(O(sqrt(log N)) -- subpolynomial として成長する。
  論文  参考訳（メタデータ） (2026-03-30T16:34:37Z)
• On the Fundamental Limits of LLMs at Scale [15.459708840379975]
  大きな言語モデル(LLM)は、スケーリングから非常に恩恵を受けていますが、これらの利益には5つの基本的な制限があります。 この研究は、LLMスケーリングの本質的に理論的な天井を形式化する統一された証明インフォームド・フレームワークを提示する。 確率に基づくトレーニングは、推論よりもパターン補完を優先し、トークン制限下での検索はセマンティックドリフトとカップリングノイズに苦しむこと、マルチモーダルスケーリングが浅度なクロスモーダルアライメントをいかに継承するかを示す。
  論文  参考訳（メタデータ） (2025-11-17T01:55:33Z)
• Born a Transformer -- Always a Transformer? On the Effect of Pretraining on Architectural Abilities [58.742178800799614]
  We study a family of $textitretrieval$ and $textitcopying$ tasks inspired by Liu et al。 我々は、事前訓練されたモデルがクエリトークンの左(アンチインダクション)よりも右(インダクション)へのトークンの検索が優れているような、$textitinduction-versus-anti-induction$ asymmetricを観察する。 力学解析により、この非対称性は、事前学習された変圧器内の誘導の強度と反誘導回路の強度の違いに関係していることが明らかになった。
  論文  参考訳（メタデータ） (2025-05-27T21:36:50Z)
• Proving Theorems Recursively [80.42431358105482]
  本稿では、定理をレベル・バイ・レベルで証明するPOETRYを提案する。 従来のステップバイステップメソッドとは異なり、POETRYは各レベルで証明のスケッチを検索する。 また,POETRYが検出した最大証明長は10～26。
  論文  参考訳（メタデータ） (2024-05-23T10:35:08Z)
• A High-dimensional Convergence Theorem for U-statistics with Applications to Kernel-based Testing [3.469038201881982]
  次数2のU-統計量に対して収束定理を証明し、データ次元$d$はサンプルサイズ$n$でスケールすることができる。 我々はこの理論を、高次元性能の研究が困難である2つのカーネルベースの分散テスト MMD と KSD に適用した。
  論文  参考訳（メタデータ） (2023-02-11T12:49:46Z)
• Minimax Instrumental Variable Regression and $L_2$ Convergence Guarantees without Identification or Closedness [71.42652863687117]
  インストゥルメンタル変数(IV)回帰の非パラメトリック推定について検討した。 固定IV解に収束できる新しいペナル化ミニマックス推定器を提案する。 ラックス条件下での推定値に対して強い$L$誤差率を導出する。
  論文  参考訳（メタデータ） (2023-02-10T18:08:49Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。