論文の概要: Graded Symbolic Verification with a Fuzzy Dolev-Yao Attacker Model

• arxiv url: http://arxiv.org/abs/2604.15402v1
• Date: Thu, 16 Apr 2026 14:09:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.589142
• Title: Graded Symbolic Verification with a Fuzzy Dolev-Yao Attacker Model
• Title（参考訳）: ファジィ・ドレフ・ヤオ・アタッカーモデルを用いた傾斜型シンボリック検証
• Authors: Murat Moran,
• Abstract要約: Dolevの下でのシンボルプロトコル検証--Yaoはバイナリアタッカーの知識(未知/未知)を使用する 我々は、このプロセスを、グレード付きアタッカービュー、製品Tノルムリーク更新、有限グリッド明示状態実行でモデル化する。 Needham--Schroeder--Lowe (NSL) を含む対称および非対称なプロトコルの励起結果
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classical symbolic protocol verification under Dolev--Yao uses binary attacker knowledge (known/unknown). This abstraction misses cumulative side-channel settings, where repeated noisy observations progressively improve attacker knowledge. We model this process with a graded attacker view \(μ_K\in[0,1]\), product T-norm leak updates, and finite-grid explicit-state execution in Modified Murphi. The method is optimised with exact concept-lattice attribute reducts and exposes threshold-driven safe-to-fail transitions that are not represented in corresponding binary runs under the same bounded assumptions. Executed results on symmetric and asymmetric protocols, including Needham--Schroeder--Lowe (NSL), show that baseline models passing under crisp semantics can fail once cumulative side-channel leakage is enabled.
• Abstract（参考訳）: 古典的シンボリックプロトコル検証では、Dolev-Yaoはバイナリアタッカーの知識(未知/未知)を使用している。 この抽象化は累積的なサイドチャネル設定を見逃し、繰り返しうるさい観測によって攻撃者の知識が徐々に改善される。 このプロセスは、グレード付きアタッカービュー \(μ_K\in[0,1]\)、製品Tノルムのリーク更新、修正Murphiにおける有限グリッド明示状態実行でモデル化する。 提案手法は, 正確な概念ラテック属性レダクトを用いて最適化され, 対応するバイナリランで表現されないしきい値駆動のセーフ・トゥ・フェイル遷移を, 同じ有界な仮定の下で公開する。 Needham--Schroeder--Lowe (NSL) を含む対称および非対称なプロトコルの排他的結果は、累積的な側チャネルリークが有効になれば、crispセマンティクスの下を通るベースラインモデルが失敗する可能性があることを示している。

関連論文リスト

• OSCAR: Orchestrated Self-verification and Cross-path Refinement [7.202012136912518]
  拡散言語モデルは、推論時間制御のための自然なハンドラを提供する、発音軌道を公開する。 我々はコミットメントの不確実性ローカライゼーションを定式化し、デノベーション軌道が与えられた場合、クロスチェーンエントロピーが教師なししきい値を超えるトークンの位置を特定する。 我々はこの定式化を運用するトレーニング不要な推論時間フレームワークOSCARを紹介する。
  論文  参考訳（メタデータ） (2026-04-02T05:02:22Z)
• Gradient Structure Estimation under Label-Only Oracles via Spectral Sensitivity [37.729118253160145]
  我々は,既存の手動攻撃の幅広い範囲を,真の損失勾配の兆候を暗黙的に近似するものとして解釈できることを示す統一理論的な視点を開発する。 この第一原理の理解に動機づけられた我々は、ゼロクエリの周波数領域初期化とパターン駆動最適化(PDO)戦略を組み合わせた新たな攻撃フレームワークを提案する。 我々は、CIFAR-10、ImageNet、ObjectNetに関する広範な実験を通じて、我々のフレームワークを実証的に検証し、標準および敵対的に訓練されたモデル、商用API、CLIPベースのモデルをカバーする。
  論文  参考訳（メタデータ） (2026-01-17T02:47:47Z)
• Representation-Aware Unlearning via Activation Signatures: From Suppression to Knowledge-Signature Erasure [2.0017902634527194]
  本稿では,真の消去と難読化を区別する表現対応アーキテクチャであるKnowledge Immunization Framework(KIF)を紹介する。 提案手法は,主観的表現の動的抑制とパラメータ効率の適応を組み合わせ,完全モデル再学習を伴わない耐久性のある未学習を実現する。
  論文  参考訳（メタデータ） (2026-01-15T16:28:14Z)
• The Trojan in the Vocabulary: Stealthy Sabotage of LLM Composition [31.827344197678126]
  トケナイザー移植はサプライチェーンの脆弱性を導入する。 係数再利用の幾何学を利用して、我々の攻撃は非対称的な実現可能性ギャップを生み出す。 実験的に、攻撃は訓練なしで、スペクトルの模倣を達成し、異常検出を回避する。
  論文  参考訳（メタデータ） (2025-12-31T19:00:03Z)
• Towards Model Resistant to Transferable Adversarial Examples via Trigger Activation [95.3977252782181]
  知覚不能な摂動によって特徴づけられる敵対的な例は、彼らの予測を誤解させることで、ディープニューラルネットワークに重大な脅威をもたらす。 本稿では,移動可能な敵例(TAE)に対して,より効率的かつ効果的に堅牢性を高めることを目的とした,新たなトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-04-20T09:07:10Z)
• Transferable Adversarial Attacks on SAM and Its Downstream Models [87.23908485521439]
  本稿では,セグメント・アプライス・モデル(SAM)から微調整した様々な下流モデルに対する敵攻撃の可能性について検討する。 未知のデータセットを微調整したモデルに対する敵攻撃の有効性を高めるために,ユニバーサルメタ初期化(UMI)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-26T15:04:04Z)
• Semantic Image Attack for Visual Model Diagnosis [80.36063332820568]
  実際には、特定の列車およびテストデータセットに関する計量分析は、信頼性や公正なMLモデルを保証しない。 本稿では,セマンティック・イメージ・アタック(SIA)を提案する。
  論文  参考訳（メタデータ） (2023-03-23T03:13:04Z)
• Understanding Collapse in Non-Contrastive Learning [122.2499276246997]
  モデルがデータセットサイズに対して小さすぎる場合,SimSiam表現が部分次元崩壊することを示す。 本稿では,この崩壊の度合いを計測し,微調整やラベルを使わずに下流のタスク性能を予測できる指標を提案する。
  論文  参考訳（メタデータ） (2022-09-29T17:59:55Z)
• Gaussian MRF Covariance Modeling for Efficient Black-Box Adversarial Attacks [86.88061841975482]
  我々は,ゼロオーダーのオラクルにのみアクセス可能なブラックボックス設定において,逆例を生成する問題について検討する。 我々はこの設定を用いて、FGSM(Fast Gradient Sign Method)のブラックボックス版と同様に、高速な1ステップの敵攻撃を見つける。 提案手法はクエリを少なくし,現在の技術よりも攻撃成功率が高いことを示す。
  論文  参考訳（メタデータ） (2020-10-08T18:36:51Z)

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。