論文の概要: Lightweight Tamper-Evident Log Integrity Verification for IoT Edge Environments: A Merkle Tree Pipeline with Adaptive Chunking
- arxiv url: http://arxiv.org/abs/2605.00065v1
- Date: Thu, 30 Apr 2026 09:16:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.666591
- Title: Lightweight Tamper-Evident Log Integrity Verification for IoT Edge Environments: A Merkle Tree Pipeline with Adaptive Chunking
- Title（参考訳）: IoTエッジ環境のための軽量タンパーエビデントログ統合検証:適応チャンキングを備えたメルクルツリーパイプライン
- Authors: Muhammet Anil Yagiz, Fahrettin Horasan, Ahmet Hasim Yurttakal,
- Abstract要約: Internet of Things(IoT)デバイスが生成する監査ログの統合性は、事故後の調査、規制コンプライアンス、運用説明責任の前提条件である。
本稿では,Merkle-tree のコミットメントとリソース認識型アダプティブ・チャンキングを組み合わせた,軽量かつ評価された整合性検証パイプラインを提案する。
提案パイプラインは, (i) 適応的チャンクサイズによる資源認識バッチ取り込み, (ii) O(logn) 包含証明生成によるメルクルツリー構築, (iii) 信頼されたルートアンカーに対する決定論的単一エントリー検証の3段階からなる。
- 参考スコア（独自算出の注目度）: 0.4779196219827507
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrity of audit logs produced by Internet of Things (IoT) devices is a prerequisite for post-incident forensics, regulatory compliance, and operational accountability. While blockchain-backed logging infrastructures can satisfy this requirement, they introduce consensus overhead, network dependencies, and deployment complexity that are often prohibitive at the IoT edge. This paper presents a lightweight and evaluated integrity verification pipeline that combines Merkle-tree commitments with resource-aware adaptive chunking to provide tamper evidence without relying on distributed ledger technologies. The proposed pipeline operates in three stages: (i) resource-aware batch ingestion via adaptive chunk sizing, (ii) Merkle-tree construction with O(logn) inclusion proof generation, and (iii) deterministic single-entry verification against a trusted root anchor. We further report an implementation audit that identified and corrected two evaluation defects: a double-counting bug in tampering metrics and a redundant full-tree reconstruction during batch appends. Using the corrected implementation, five-run benchmarks on synthetic IoT log datasets demonstrate throughput exceeding 130,000 logs/s for 100,000 records. The system achieves per-entry verification latency of approximately 22 ms, proof generation latency of 22 ms, an average proof size of 1,006 bytes, and peak memory usage below 5 MB. Tampering detection achieves perfect precision, recall, and F1-score (1.0) across corruption ratios ranging from 1% to 50%.
- Abstract（参考訳）: Internet of Things(IoT)デバイスが生成する監査ログの統合性は、事故後の調査、規制コンプライアンス、運用説明責任の前提条件である。
ブロックチェーンを基盤とするロギングインフラストラクチャはこの要件を満たすことができるが、コンセンサスオーバーヘッド、ネットワーク依存性、IoTエッジでしばしば禁止されるデプロイメントの複雑さを導入している。
本稿では,Merkle-treeのコミットメントとリソースを意識したアダプティブ・チャンキングを組み合わせることで,分散台帳技術に頼らずに不正な証拠を提供する,軽量かつ評価された整合性検証パイプラインを提案する。
提案されたパイプラインは以下の3段階で動作する。
(i)適応的なチャンクサイズによるリソース認識バッチの取り込み
(二)O(logn)包含証明生成によるメルクルツリーの構築及び
三 信頼できるルートアンカーに対する決定論的単一エントリー検証。
さらに、メトリクスの改ざんにおける二重カウントバグと、バッチアタッチメント中の冗長なフルツリー再構築という、2つの評価欠陥を特定し、修正した実装監査を報告します。
修正された実装を使用することで、合成IoTログデータセット上の5ランベンチマークは、10万レコードに対して13万ログ/秒を超えるスループットを示している。
システムは約22ミリ秒、証明生成レイテンシは22ミリ秒、平均証明サイズは1,006バイト、ピークメモリ使用量は5MB未満である。
改ざん検出は、1%から50%の範囲で完全精度、リコール、F1スコア(1.0)を達成する。
関連論文リスト
- 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) - BRIDGE and TCH-Net: Heterogeneous Benchmark and Multi-Branch Baseline for Cross-Domain IoT Botnet Detection [1.2019888796331233]
IoTボットネット検出は進歩しているが、ほとんどの公開システムは単一のデータセットで検証されており、環境全体にわたって一般化されることはめったにない。
BRIDGEは、IoT侵入検知のための、初めて公式に指定された異種マルチデータセットベンチマークである。
我々は,LODO F1 = 0.5577 において,単一ベンチマーク最適化からクロス環境一般化へとアジェンダをシフトさせる最初のコミュニティ一般化ベースラインを確立する。
論文 参考訳（メタデータ） (2026-04-13T11:25:39Z) - Controllable and Verifiable Tool-Use Data Synthesis for Agentic Reinforcement Learning [82.89535601592739]
マルチレベル検証を用いた自己進化型合成により,信頼性の高い基本ツール利用軌跡を生成する2段階パイプラインを提案する。
これらの拡張は、トラクタツール、間接的または曖昧なユーザクエリ、ノイズ、マルチフォーマット、あるいは誤ったツール出力を導入します。
本設計では,標準事例に対する参照マッチングによる報酬の自動計算と,エラー検出などの特別な動作に対する軽量な判断支援検証を実現する。
論文 参考訳（メタデータ） (2026-04-10T18:38:52Z) - 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) - push0: Scalable and Fault-Tolerant Orchestration for Zero-Knowledge Proof Generation [0.0]
push0はクラウドネイティブな証明オーケストレーションシステムで、プロファイラバイナリをスケジューリングインフラストラクチャから分離する。
我々の設計は、異種zkVMのシームレスな統合を可能にし、メッセージ永続化による自動タスク回復をサポートし、集中型ロールアップ演算子と分散マルチプロデューサネットワークの両方に必要なスケジューリングプリミティブを提供する。
論文 参考訳（メタデータ） (2026-02-18T10:22:33Z) - Next-generation cyberattack detection with large language models: anomaly analysis across heterogeneous logs [0.0]
異種ログソース間の異常検出のための大規模言語モデル(LLM)について検討する。
従来の侵入検知システムは、高い偽陽性率、セマンティック・ブラインドネス、データ不足に悩まされている。
1)LogAtlas-Foundation-SessionsとLogAtlas-Defense-Set、バランスの取れた、および異種なログデータセット、明示的なアタックアノテーションとプライバシ保護の3つのコントリビューションを通じて、これらの課題に対処する。
論文 参考訳（メタデータ） (2026-02-06T15:31:58Z) - BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。
提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
論文 参考訳（メタデータ） (2025-11-26T06:39:19Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - ATTS: Asynchronous Test-Time Scaling via Conformal Prediction [112.54016379556073]
大規模な言語モデル(LLM)は、テスト時のスケーリングの恩恵を受けるが、しばしば高い推論遅延によって妨げられる。
統計的に保証された適応スケーリングフレームワークであるATTS(Asynchronous Test-Time Scaling)を紹介する。
ATTSは、テストタイムのスケーリングにおいて最大56.7倍のスピードアップと4.14倍のスループット向上を実現している。
論文 参考訳（メタデータ） (2025-09-18T16:55:09Z) - LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。
具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。
そして、そのような知識を共有パラメータを介して対象領域に転送する。
論文 参考訳（メタデータ） (2024-01-09T12:55:21Z)
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。