論文の概要: Graduated Trust Gating for IoT Location Verification: Trading Off Detection and Proof Escalation

• arxiv url: http://arxiv.org/abs/2604.03896v1
• Date: Sat, 04 Apr 2026 23:42:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.822071
• Title: Graduated Trust Gating for IoT Location Verification: Trading Off Detection and Proof Escalation
• Title（参考訳）: IoTロケーション検証のための大学院トラストゲーティング - 検出とエスカレーションの排除
• Abstract要約: 既存のスプーフィング検出器はバイナリな決定を出力し、システム設計者は高い偽陰性と高い偽受容率を選択せざるを得ない。 本稿では,複数信号の整合性スコアを算出し,それを3つのアクション(ProCEED,STEP-UP,DENY)にマップする信頼ゲートを提案する。 セッションラッチ機構は、ひとつの不審な修正がセッション全体をブロックすることを保証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: IoT location services accept client-reported GPS coordinates at face value, yet spoofing is trivial with consumer-grade tools. Existing spoofing detectors output a binary decision, forcing system designers to choose between high false-deny and high false-accept rates. We propose a graduated trust gate that computes a multi-signal integrity score and maps it to three actions: PROCEED, STEP-UP, or DENY, where STEP-UP invokes a stronger verifier such as a zero-knowledge proximity proof. A session-latch mechanism ensures that a single suspicious fix blocks the entire session, preventing post-transition score recovery. Under an idealized step-up oracle on 10,000 synthetic traces, the gate enables strict thresholds (theta_p = 0.9) that a binary gate cannot safely use: at matched false-accept rate (11%), the graduated gate maintains zero false-deny rate versus 0.05% for binary, with 5 microseconds scoring overhead. Real-device traces from an Android smartphone demonstrate the session-latch mechanism and show that a nearby mock location (~550 m) evades theta_p = 0.7 but is routed to step-up at theta_p = 0.9. Signal ablation identifies a minimal two-signal configuration (F1 = 0.84) suitable for resource-constrained scoring layers.
• Abstract（参考訳）: IoTロケーションサービスは、クライアントが報告したGPS座標を顔の値で受け入れるが、スプーフィングはコンシューマグレードのツールでは簡単なものだ。 既存のスプーフィング検出器はバイナリな決定を出力し、システム設計者は高い偽陰性と高い偽受容率を選択せざるを得ない。 本稿では,多信号整合性スコアを算出し,それを3つのアクション(ProCEED, STEP-UP, DENY)にマッピングする信頼ゲートを提案する。 セッションラッチ機構は、単一の不審な修正がセッション全体をブロックすることを保証する。 1万の合成トレース上の理想的なステップアップオラクルの下で、ゲートはバイナリゲートが安全に使用できない厳密なしきい値(theta_p = 0.9)を許容する。 Androidスマートフォンのリアルデバイストレースはセッションラッチ機構を示し、近くのモック位置(約550m)がtheta_p = 0.7を避けるが、theta_p = 0.9でステップアップにルーティングされることを示す。 信号アブレーションは、リソース制約されたスコアリング層に適した最小の2信号構成(F1 = 0.84)を特定する。

関連論文リスト

• Privacy Leakage in Federated Learning: Gradient-Based Client Identity Inference and Defenses for Inertial Sensing in Vehicular Edge Networks [1.656436183201117]
  送信重みデルタからのサーバ側クライアント識別推定について検討する。 軽量なクリップ・テーマ・ノイズ・ディフェンスのプライバシーとユーティリティのトレードオフを定量化する。
  論文  参考訳（メタデータ） (2026-09-02T09:49:39Z)
• A Loss-Robust Disturbance Certificate for Minimal-Receiver Quantum Key Distribution [2.893558866535708]
  量子鍵分配(QKD)は情報理論のセキュリティを享受するが、展開されたシステムに対する最も被害の大きい攻撃は受信機を利用する。 私たちはその構造を正確に特徴付け、決定論的に不可能な証明書を導入します。 3つの偏極状態に対して不完全であると証明し、4つのBB84状態がギャップを閉じていることを示す。
  論文  参考訳（メタデータ） (2026-08-22T14:22:25Z)
• CUSTOS: Toward Forensic-Ready Zero Trust at the Capture-Containment Boundary [1.1458853556386797]
  CUSTOSは、法医学的管理ポイント(FMP)を中心にした、法医学的なZT参照アーキテクチャである。 常時オンの判定記録は、ゲートウェイ上で1.9～3.0%のスループットコストで取得され、ハッシュチェーンされる。 以上の結果から, 鑑識対応型ZTは, 常にオンの床と有界な反応性キャプチャの両方を必要とすることが明らかとなった。
  論文  参考訳（メタデータ） (2026-08-17T19:17:15Z)
• Real-Time Source-Free Object Detection [40.10658212485104]
  自律運転、監視、ロボットのための現実世界の検出器は、厳格なレイテンシとメモリ制約の下でドメインシフトを処理しなければならない。 我々は,NMSフリーなデュアルヘッド検出器であるYOLOv10上に構築することで,より高速かつコンパクトに,最先端の適応精度が得られることを示す。
  論文  参考訳（メタデータ） (2026-06-30T15:38:56Z)
• Privacy from Symmetry: Orthogonally Equivariant Transformers for LLM Inference [45.663066206650115]
  分割推論はしばしば非現実的であり、機密テキストの推論をサードパーティプロバイダにプッシュする。 我々は、軽量な正規化変更を通じて、正確に$mathrmO(d)$-equivariantであるトランスフォーマー変種であるConjFormerを紹介した。
  論文  参考訳（メタデータ） (2026-06-15T09:31:24Z)
• EnclaveScale: Hardware-Assisted Edge-DP for Secure Data Centre Power Telemetry [4.51092676390934]
  EnclaveScaleは、分散ハードウェア支援のテレメトリアーキテクチャで、抽出後の検証を提供する。 DCAP,差分プライバシーノイズ注入,ビザンチン拒絶を利用した抽出後パイプラインの実装と評価を行った。 E EnclaveScaleは、1.3ドルというダイナミックなオーケストレーションマージンエラーを、正直なアグレゲータ中央DPベースラインの0.1ドルに対して達成している。
  論文  参考訳（メタデータ） (2026-06-08T07:55:57Z)
• Send a SCOUT First: Pre-hoc Reasoning for Adaptive Detector Allocation in Prompt-Injection Defense [37.10272384523361]
  我々は、各検出器のサンプルごとの信頼性と遅延を、同様の過去の入力に対する動作から予測するためのフレームワークを開発する。 SCOUT-450は、古いプロンプトインジェクションが表現下にある構造的に複雑でエージェント対応のインジェクションをキャプチャするベンチマークである。 SCOUT-450では、安全指向の動作点が攻撃発生率を46%減らし、壁時計全体の40%減らした。
  論文  参考訳（メタデータ） (2026-05-29T04:49:20Z)
• Lightweight and Fast Backdoor Model Detection [36.85393813658947]
  DFBScannerは、高速バックドアスキャンのための軽量な静的パラメータ検査フレームワークである。 DFBScannerは真陽性率97.17%、偽陽性率0.95%、平均検出時間は1モデル当たり1ミリ秒である。
  論文  参考訳（メタデータ） (2026-05-17T16:02:40Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization [0.0]
  VeriX-Anonは、オープンソースのターゲット駆動k匿名化のための多層検証フレームワークである。 認証決定木のメルクル式ハッシュによる決定論的検証、ランダムフォレスト決定境界付近の境界センチネルによる確率的検証、および暗号識別子による正確な重複性ツインズの組み合わせである。 12のシナリオのうち11の偏差を正しく検出した。
  論文  参考訳（メタデータ） (2026-04-14T08:22:18Z)
• The System Prompt Is the Attack Surface: How LLM Agent Configuration Shapes Security and Creates Exploitable Vulnerabilities [0.0]
  PhishNChipsは、10の迅速な戦略に基づく11のモデルの研究である。 単一モデルのフィッシングバイパス速度は、設定方法によって1%未満から97%の範囲である。 高い予測信号に関するプロンプトの最適化により,ベンチマーク性能が向上することを示す。
  論文  参考訳（メタデータ） (2026-03-26T05:48:37Z)
• Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference [3.3323431541048385]
  完全証明を軽量なサンプリングベースアプローチで置き換える検証フレームワークとプロトコルを提案する。 我々は,機能的に異なるモデル間のトレース分離を活用可能な条件を定式化し,検証可能な推論プロトコルの安全性について議論する。 我々の手法は、最先端の暗号証明システムと比較して、証明時間を桁違いに削減する。
  論文  参考訳（メタデータ） (2026-03-19T15:24:27Z)
• Governing Dynamic Capabilities: Cryptographic Binding and Reproducibility Verification for AI Agent Tool Use [0.0]
  既存のセキュリティレイヤでは、AIエージェントに何ができるか、それが主張するものを実行したのか、マルチエージェントインタラクションで何が起きたのかを検証できない。 既存のフレームワークはこれら2つを詳述し、サイレントな能力のエスカレーションを可能にし、検証済みの証明なしに相互作用を残す。 我々は3つのエージェントガバナンス要件を導出する:能力の完全性(G1)、行動の妥当性(G2)、相互作用監査性(G3)。 基本(Ed25519, SHA-256; 97 us verify)と拡張(BBS+選択開示、Groth16 DV-SNARK; 13.8 ms)の2つの暗号に依存しないインスタンス化で検証する。
  論文  参考訳（メタデータ） (2026-03-15T11:46:57Z)
• Repurposing Backdoors for Good: Ephemeral Intrinsic Proofs for Verifiable Aggregation in Cross-silo Federated Learning [30.440611659881494]
  暗号証明からtextitIntrinsic Proofs へ移行する軽量アーキテクチャを提案する。 モデルパラメータに直接検証信号を埋め込むために、カタストロフィックフォーッティングを利用する。 我々の手法は、暗号ベースラインと比較して、ResNet-18で1000ドル以上のスピードアップを実現し、大規模モデルに効果的にスケールする。
  論文  参考訳（メタデータ） (2026-03-11T12:04:18Z)
• KoALA: KL-L0 Adversarial Detector via Label Agreement [9.360893727306324]
  KoALAは、ディープニューラルネットワークのためのセマンティックスフリーの敵検出器である。 2つの相補的類似度指標からクラス予測が一致しない場合に、敵対攻撃を検出する。 KoALA は ResNet/CIFAR-10 の精度 0.94 とリコール 0.81 、CLIP/Tiny-ImageNet の精度 0.66 とリコール 0.85 を達成している。
  論文  参考訳（メタデータ） (2025-10-14T17:33:00Z)
• Lie Detector: Unified Backdoor Detection via Cross-Examination Framework [68.45399098884364]
  半正直な設定で一貫したバックドア検出フレームワークを提案する。 本手法は,SoTAベースラインよりも5.4%,1.6%,11.9%の精度で検出性能が向上する。 特に、マルチモーダルな大規模言語モデルにおいて、バックドアを効果的に検出するのは、これが初めてである。
  論文  参考訳（メタデータ） (2025-03-21T06:12:06Z)
• UncTrack: Reliable Visual Object Tracking with Uncertainty-Aware Prototype Memory Network [75.9933952886197]
  UncTrackは、標的位置の不確実性を予測する新しい不確実性対応トランスフォーマーである。 本手法は実験における他の最先端手法よりも優れる。
  論文  参考訳（メタデータ） (2025-03-17T07:33:16Z)
• T2IShield: Defending Against Backdoors on Text-to-Image Diffusion Models [70.03122709795122]
  バックドア攻撃の検出, 局所化, 緩和のための総合防御手法T2IShieldを提案する。 バックドアトリガーによって引き起こされた横断アテンションマップの「アシミレーション現象」を見いだす。 バックドアサンプル検出のために、T2IShieldは計算コストの低い88.9$%のF1スコアを達成している。
  論文  参考訳（メタデータ） (2024-07-05T01:53:21Z)
• Detection in Crowded Scenes: One Proposal, Multiple Predictions [79.28850977968833]
  混み合ったシーンにおける高過度なインスタンスを検出することを目的とした,提案手法によるオブジェクト検出手法を提案する。 このアプローチの鍵は、各提案が以前の提案ベースのフレームワークの1つではなく、関連したインスタンスのセットを予測できるようにすることです。 我々の検出器は、CrowdHumanデータセットの挑戦に対して4.9%のAPゲインを得ることができ、CityPersonsデータセットでは1.0%$textMR-2$の改善がある。
  論文  参考訳（メタデータ） (2020-03-20T09:48:53Z)

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。