Fugu-MT 論文翻訳(概要): AICCE: AI Driven Compliance Checker Engine

論文の概要: AICCE: AI Driven Compliance Checker Engine

arxiv url: http://arxiv.org/abs/2604.03330v1
Date: Fri, 03 Apr 2026 00:45:24 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-07 15:49:18.516575
Title: AICCE: AI Driven Compliance Checker Engine
Title（参考訳）: AICCE: AI駆動のコンプライアンスチェッカーエンジン
Authors: Mohammad Wali Ur Rahman, Martin Manuel Lopez, Lamia Tasnim Mim, Carter Farthing, Julius Battle, Kathryn Buckley, Salim Hariri,
Abstract要約: AICCE(Artificial Intelligence Driven Compliance Checker Engine)は、二重アーキテクチャ推論と検索拡張生成を組み合わせた新しい生成システムである。 AICCEは、決定信頼性を高めるための議論のメカニズムにより、16個の最先端生成モデルにわたるIPv6パケットサンプルでテストした場合、精度とF1スコアを最大99%達成する。
参考スコア（独自算出の注目度）: 0.26385121748044166
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For digital infrastructure to be safe, compatible, and standards-aligned, automated communication protocol compliance verification is crucial. Nevertheless, current rule-based systems are becoming less and less effective since they are unable to identify subtle or intricate non-compliance, which attackers frequently use to establish covert communication channels in IPv6 traffic. In order to automate IPv6 compliance verification, this paper presents the Artificial Intelligence Driven Compliance Checker Engine (AICCE), a novel generative system that combines dual-architecture reasoning and retrieval-augmented generation (RAG). Specification segments pertinent to each query can be efficiently retrieved thanks to the semantic encoding of protocol standards into a high-dimensional vector space. Based on this framework, AICCE offers two complementary pipelines: (i) Explainability Mode, which uses parallel LLM agents to render decisions and settle disputes through organized discussions to improve interpretability and robustness, and (ii) Script Execution Mode, which converts clauses into Python rules that can be executed quickly for dataset-wide verification. With the debate mechanism enhancing decision reliability in complicated scenarios and the script-based pipeline lowering per-sample latency, AICCE achieves accuracy and F1-scores of up to 99% when tested on IPv6 packet samples across sixteen cutting-edge generative models. By offering a scalable, auditable, and generalizable mechanism for identifying both routine and covert non-compliance in dynamic communication environments, our results show that AICCE overcomes the blind spots of conventional rule-based compliance checking systems.
Abstract（参考訳）: デジタルインフラストラクチャが安全で互換性があり、標準に準拠しているためには、自動通信プロトコルコンプライアンスの検証が不可欠である。それでも、攻撃者がIPv6トラフィックに秘密の通信チャネルを確立するために頻繁に使用する、微妙で複雑な非コンプライアンスを識別できないため、現在のルールベースのシステムはますます効果的になってきている。本稿では、IPv6コンプライアンス検証を自動化するために、二重アーキテクチャ推論と検索拡張生成を組み合わせた新しい生成システムであるAICCEを提案する。プロトコル標準を高次元ベクトル空間に意味的エンコーディングすることで、各クエリに関連する仕様セグメントを効率的に検索することができる。このフレームワークに基づいて、AICCEは2つの補完パイプラインを提供する。一説明可能性モード並列LLMエージェントを用いて意思決定を行い、紛争を解決し、解釈可能性及び堅牢性を向上させるための組織的な議論を行うこと。 (ii) Script Execution Modeは、節をPythonのルールに変換し、データセット全体の検証のために素早く実行できる。複雑なシナリオにおける決定信頼性の向上とスクリプトベースのパイプラインによるサンプル毎のレイテンシ低下という議論のメカニズムにより、AICCEは16の最先端生成モデルにわたるIPv6パケットサンプルのテストにおいて、精度とF1スコアを最大99%向上させる。動的通信環境における非コンプライアンスと非コンプライアンスの両方を識別する,スケーラブルで監査可能で汎用的なメカニズムを提供することにより,AICCEが従来のルールベースのコンプライアンスチェックシステムの盲点を克服していることを示す。

関連論文リスト

SEAL: An Open, Auditable, and Fair Data Generation Framework for AI-Native 6G Networks [17.028162341456373]
6Gネットワークは、動的リソース割り当て、予測保守、超信頼性の低い低レイテンシ通信を可能にすることで、通信業界を変革することを約束している。しかし、6Gシステムのデプロイはデータ不足を招き、効率的なAIモデルのトレーニングを妨げる。本稿では,SEAL(Synthetic Data Generation with Ethics Audit Loop)フレームワークを提案し,ERCD(Ethical and Regulatory Compliance by Design)モジュールとFL(Federated Learning)フィードバックシステムを用いてベースラインパイプラインを拡張した。
論文参考訳（メタデータ） (2026-04-02T15:03:24Z)
ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文参考訳（メタデータ） (2026-01-27T13:43:59Z)
Intent2QoS: Language Model-Driven Automation of Traffic Shaping Configurations [6.027356970659455]
トラフィックの整形とQoS(Quality of Service)の実施は、ネットワークの帯域幅、レイテンシ、公平性を管理する上で重要である。本稿では,自然あるいは宣言型言語における高レベルなトラフィックシェーピング意図を,有効かつ正確なトラフィック制御ルールに変換する自動フレームワークを提案する。
論文参考訳（メタデータ） (2026-01-26T21:18:14Z)
An Agentic Framework with LLMs for Solving Complex Vehicle Routing Problems [66.60904891478687]
複雑な車両ルーティング問題を解決するために,LLM (AFL) を用いたエージェントフレームワークを提案する。 AFLは生の入力から知識を直接抽出し、自己完結型コード生成を可能にする。 AFLは、コード信頼性とソリューション実現性の両方において、既存のLCMベースのベースラインを大幅に上回っていることを示す。
論文参考訳（メタデータ） (2025-10-19T03:59:25Z)
Learning to Route: A Rule-Driven Agent Framework for Hybrid-Source Retrieval-Augmented Generation [55.47971671635531]
大言語モデル(LLM)は、一般質問回答(QA)において顕著な性能を示した。 Retrieval-Augmented Generation (RAG)は、LLMを外部知識で強化することで、この制限に対処する。既存のシステムは、主に構造化されていないドキュメントに依存しているが、主にリレーショナルデータベースを見下ろしている。
論文参考訳（メタデータ） (2025-09-30T22:19:44Z)
Good Enough to Learn: LLM-based Anomaly Detection in ECU Logs without Reliable Labels [0.0]
異常検出は、しばしば監視またはクラスタリングのアプローチに依存し、自動車通信システムのような専門分野において限られた成功を収める。本稿では,電子制御ユニット(ECU)通信ログの異常を検出するために,新しいデコーダのみの大規模言語モデル(LLM)を提案する。
論文参考訳（メタデータ） (2025-07-01T14:56:09Z)
DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文参考訳（メタデータ） (2025-06-13T05:01:09Z)
LLM-Based Emulation of the Radio Resource Control Layer: Towards AI-Native RAN Protocols [28.04609776570199]
大型AIモデル(LAM)はAI-Native Air Interface(AI-AI)の重要な実現要因である本稿では,デコーダのみのLAMを用いた無線リソース制御層の最初の標準準拠エミュレーションを提案する。その結果,LSMをプロトコル対応推論で拡張すると,制御プレーンの手順を直接オーケストレーションできることがわかった。
論文参考訳（メタデータ） (2025-05-22T15:55:56Z)
CryptoFormalEval: Integrating LLMs and Formal Verification for Automated Cryptographic Protocol Vulnerability Detection [41.94295877935867]
我々は,新たな暗号プロトコルの脆弱性を自律的に識別する大規模言語モデルの能力を評価するためのベンチマークを導入する。私たちは、新しい、欠陥のある通信プロトコルのデータセットを作成し、AIエージェントが発見した脆弱性を自動的に検証する方法を設計しました。
論文参考訳（メタデータ） (2024-11-20T14:16:55Z)
Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文参考訳（メタデータ） (2023-04-25T00:15:00Z)
Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文参考訳（メタデータ） (2022-07-03T06:57:07Z)

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。