論文の概要: Foundations for Agentic AI Investigations from the Forensic Analysis of OpenClaw

• arxiv url: http://arxiv.org/abs/2604.05589v1
• Date: Tue, 07 Apr 2026 08:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.718021
• Title: Foundations for Agentic AI Investigations from the Forensic Analysis of OpenClaw
• Title（参考訳）: OpenClawの法医学的分析からみたエージェントAI調査の基礎
• Authors: Jan Gruber, Jan-Niclas Hilgert,
• Abstract要約: エージェントAlシステムは、ますますパーソナルアシスタントとしてデプロイされ、デジタル調査の共通の対象になりそうである。 本稿では,広く使用されているシングルエージェントアシスタントOpenClawの実証的研究について述べる。 我々はこれらのトレースを分類し、分類して、その調査価値を体系的に評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agentic Al systems are increasingly deployed as personal assistants and are likely to become a common object of digital investigations. However, little is known about how their internal state and actions can be reconstructed during forensic analysis. Despite growing popularity, systematic forensic approaches for such systems remain largely unexplored. This paper presents an empirical study of OpenClaw a widely used single-agent assistant. We examine OpenClaw's technical design via static code analysis and apply differential forensic analysis to identify recoverable traces across stages of the agent interaction loop. We classify and correlate these traces to assess their investigative value in a systematic way. Based on these observations, we propose an agent artifact taxonomy that captures recurring investigative patterns. Finally, we highlight a foundational challenge for agentic Al forensics: agent-mediated execution introduces an additional layer of abstraction and substantial nondeterminism in trace generation. The large language model (LLM), the execution environment, and the evolving context can influence tool choice and state transitions in ways that are largely absent from rule-based software. Overall, our results provide an initial foundation for the systematic investigation of agentic Al and outline implications for digital forensic practice and future research.
• Abstract（参考訳）: エージェントAlシステムは、ますますパーソナルアシスタントとしてデプロイされ、デジタル調査の共通の対象になりそうである。 しかし、その内部状態や行動が法医学的分析によってどのように再構築されるのかは分かっていない。 人気が高まっているにもかかわらず、そのようなシステムに対する体系的な法医学的アプローチはほとんど探索されていない。 本稿では,広く使用されているシングルエージェントアシスタントOpenClawの実証的研究について述べる。 静的コード解析を用いてOpenClawの技術設計を検証し, エージェント相互作用ループの段階にわたって, 復元可能なトレースを識別するために差分法学解析を適用した。 我々はこれらのトレースを分類し、分類して、その調査価値を体系的に評価する。 そこで本研究では, 反復的な調査パターンを捉えるエージェントアーティファクト分類法を提案する。 最後に,エージェント媒介型実行は,トレース生成における抽象層と決定論的非決定性を付加する。 大きな言語モデル(LLM)、実行環境、進化するコンテキストは、ツールの選択や状態遷移に影響を与える可能性がある。 本研究は, エージェントAlの体系的研究の基盤となるとともに, デジタル法医学の実践と今後の研究の成果を概説するものである。

関連論文リスト

• AgentFoX: LLM Agent-Guided Fusion with eXplainability for AI-Generated Image Detection [21.02452809723292]
  動的多相解析プロセスとしてAIGI検出を再定義するフレームワークである textbfAgentFoX を提案する。 本手法では,キュレートされた知識ベースによって誘導される高速積分融合機構を用いる。 AgentFoXは、その判断を裏付ける詳細な人間可読な法医学レポートを作成している。
  論文  参考訳（メタデータ） (2026-03-24T12:10:21Z)
• LLM-driven Provenance Forensics for Threat Investigation and Detection [12.388936704058521]
  PROVSEEKは、証明駆動の法医学的分析と脅威情報抽出のためのエージェントフレームワークである。 ベクター化された脅威レポートの知識ベースとシステム前駆者データベースのデータとを融合させる、正確なコンテキスト対応クエリを生成する。 証明クエリを解決し、複数の役割特異的なエージェントを編成して幻覚を緩和し、構造化された、地味で検証可能な法医学的な要約を合成する。
  論文  参考訳（メタデータ） (2025-08-29T04:39:52Z)
• Propose and Rectify: A Forensics-Driven MLLM Framework for Image Manipulation Localization [49.71303998618939]
  本稿では,意味論的推論と法科学的な分析を橋渡しするPropose-Rectifyフレームワークを提案する。 提案手法は,具体的技術実証により,初期セマンティックな提案が体系的に検証され,拡張されることを保証し,包括的検出精度と局所化精度を実現する。
  論文  参考訳（メタデータ） (2025-08-25T12:43:53Z)
• FEAT: A Multi-Agent Forensic AI System with Domain-Adapted Large Language Model for Automated Cause-of-Death Analysis [13.589362185995611]
  死因決定の法医学的原因は、労働力不足や診断の多様性など、体系的な課題に直面している。 本稿では,ドメイン適応型大規模言語モデルによる死亡調査の自動化と標準化を行うマルチエージェントAIフレームワークであるFEATを紹介する。 様々な中国のケースコホートの評価において、FEATは、ロングフォームの解剖分析と簡潔な死因結論の両方において最先端のAIシステムより優れていた。
  論文  参考訳（メタデータ） (2025-08-11T13:05:59Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• GenDFIR: Advancing Cyber Incident Timeline Analysis Through Retrieval Augmented Generation and Large Language Models [0.08192907805418582]
  デジタル法医学とインシデント応答(DFIR)におけるサイバータイムライン解析の重要性 伝統的な手法は、証拠の識別と特徴抽出のためにログやメタデータのような構造化された成果物に依存している。 本稿では,大規模言語モデル(LLM)を利用したフレームワークであるGenDFIR,特にゼロショットモードのLlama 3.1 8Bについて紹介し,Retrieval-Augmented Generation (RAG)エージェントと統合する。
  論文  参考訳（メタデータ） (2024-09-04T09:46:33Z)
• Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
  この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。 バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
  論文  参考訳（メタデータ） (2023-02-03T14:57:40Z)
• Automated Artefact Relevancy Determination from Artefact Metadata and Associated Timeline Events [7.219077740523683]
  ケースハンダーで、多年にわたるデジタル法医学的証拠バックログは、世界中の法執行機関で一般的になっている。 これは、デジタル法医学的な調査を必要とするケースが、ケースごとに処理されるデータの量の増加と相まって増え続けているためである。 以前に処理されたデジタル法医学ケースとそれらのコンポーネントのアーティファクト関連性分類を活用することは、自動化された人工知能ベースのエビデンス処理システムのトレーニングの機会を促進することができる。
  論文  参考訳（メタデータ） (2020-12-02T14:14:26Z)

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。