論文の概要: Securing the Dark Matter: A Semantic-Enhanced Neuro-Symbolic Framework for Supply Chain Analysis of Opaque Industrial Software
- arxiv url: http://arxiv.org/abs/2605.07737v1
- Date: Fri, 08 May 2026 13:45:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:39.077852
- Title: Securing the Dark Matter: A Semantic-Enhanced Neuro-Symbolic Framework for Supply Chain Analysis of Opaque Industrial Software
- Title（参考訳）: ダークマターの確保:不透明産業ソフトウェアのサプライチェーン解析のためのセマンティック強化ニューロシンボリックフレームワーク
- Authors: Bowei Ning, Xuejun Zong, Lian Lian, Kan He, Yifei Sun, Yuxiang Lei, Plamen Vasilev,
- Abstract要約: ICSソフトウェアは、ソースレベルの透明性をソフトウェア構成分析から奪う、取り除かれたシンボルのないバイナリとして、定期的にデプロイされる。
既存のバイナリ解析技術は、このセマンティックギャップを部分的に閉じるだけである。
本稿では,不透明なバイナリから直接行動意味を再構築する意味強化型ニューロシンボリック・フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.078839203681289
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Automated vulnerability detection in critical-infrastructure software confronts a fundamental barrier: industrial software is routinely deployed as stripped, symbol-free binaries that deprive conventional Software Composition Analysis of the source-level transparency it requires. Existing binary analysis techniques close this Semantic Gap only partially -- graph-based detectors preserve structural syntax but discard behavioral semantics, while large language models supply rich semantic cues at the cost of unstable, hallucination-prone inference. To address this gap, we present a semantic-enhanced neuro-symbolic framework that reconstructs behavioral semantics directly from opaque binaries and performs tractable global risk reasoning. Three tightly coupled mechanisms drive this capability: (1) abstract interpretation combined with a reflexive prompting pipeline that structurally constrains a local LLM agent, effectively suppressing hallucinations; (2) a surjective transformation that compresses raw Code Property Graphs into typed Software Supply Chain Knowledge Graphs amenable to scalable reasoning; and (3) a domain-adapted Graphormer that captures long-range vulnerability propagation, augmented by embedding-space subgraph matching to uncover zero-day and APT-style attack patterns. Evaluated across three benchmarks of increasing domain specificity, the framework consistently outperforms all baselines on detection accuracy, semantic lifting fidelity, and APT fingerprint matching. Deployment on a hybrid virtual-physical testbed incorporating production-grade hardware from five ICS vendors further confirms strong detection coverage of high-impact CVEs while substantially reducing false-positive rates relative to leading commercial tools.
- Abstract（参考訳）: 産業用ソフトウェアは、必要となるソースレベルの透明性を従来のソフトウェア構成分析から奪う、取り除かれたシンボルのないバイナリとして、定期的にデプロイされます。
既存のバイナリ分析技術は、セマンティックギャップを部分的にのみ閉鎖する -- グラフベースの検出器は、構造構文を保存するが、振る舞いの意味論は捨てる。
このギャップに対処するため,不透明なバイナリから直接行動意味論を再構築し,難易度の高いグローバルリスク推論を行うセマンティック・エンハンスド・ニューロシンボリック・フレームワークを提案する。
1) 局所的なLLMエージェントを構造的に制約する反射的プロンプトパイプラインと組み合わせて幻覚を効果的に抑制する、(2) 生のコードプロパティグラフを型付けしたソフトウェアサプライチェーン知識グラフに圧縮する、(3) 長期にわたる脆弱性の伝播を捉え、ゼロデイやAPTスタイルの攻撃パターンにマッチする埋め込み空間サブグラフを付加する、ドメイン適応型グラフィー。
ドメイン特異性の増大に関する3つのベンチマークで評価されたこのフレームワークは、検出精度、セマンティックリフティングフィリティ、APT指紋マッチングにおいて、すべてのベースラインを一貫して上回っている。
5つのICSベンダーから製品グレードのハードウェアを取り入れたハイブリッド仮想物理テストベッドへのデプロイは、高インパクトCVEの強力な検出カバレッジを確認すると同時に、主要な商用ツールに対する偽陽性率を大幅に削減する。
関連論文リスト
- Splats in Splats++: Robust and Generalizable 3D Gaussian Splatting Steganography [32.33494908495543]
3D Gaussian Splatting (3DGS) は3D再構成のパラダイムを再定義し、視覚的忠実度と計算効率のバランスを保った。
Splats++は,高容量な3D/4Dコンテンツをネイティブな3DGS表現に直接シームレスに埋め込む,統一的でパイプラインに依存しないステガノグラフィフレームワークである。
論文 参考訳（メタデータ） (2026-04-17T09:13:20Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing [51.56484100374058]
CLAIREは、教師なしの深層表現学習と、スマート製造システムにおけるインテリジェントな品質管理のための教師付き分類を統合したハイブリッドエンドツーエンド学習フレームワークである。
最適化されたディープオートエンコーダを使用して、生の入力をコンパクトな潜伏空間に変換し、不適切な特徴やノイズを抑えながら本質的なデータ構造を効果的にキャプチャする。
提案したフレームワークは、堅牢な障害検出のために、説明可能なAIと機能認識の正規化を統合する可能性を強調している。
論文 参考訳（メタデータ） (2026-03-06T15:11:58Z) - OMG-Agent: Toward Robust Missing Modality Generation with Decoupled Coarse-to-Fine Agentic Workflows [9.617220633655716]
textbfunderlineOmni-textbfunderlineModality textbfunderlineGeneration Agent (textbfOMG-Agent)について述べる。
論文 参考訳（メタデータ） (2026-02-04T02:25:40Z) - Autonomous Chain-of-Thought Distillation for Graph-Based Fraud Detection [73.9189065770752]
テキスト分散グラフ(TAG)上のグラフベースの不正検出には、リッチテキストセマンティクスとリレーショナル依存関係を共同でモデル化する必要がある。
我々は,自律型グラフ認識チェーン(CoT)推論とスケーラブルなLLM-GNN協調学習を通じて,TAGに基づく不正検出を促進する統一フレームワークであるFraudCoTを提案する。
論文 参考訳（メタデータ） (2026-01-30T13:12:12Z) - SSVP: Synergistic Semantic-Visual Prompting for Industrial Zero-Shot Anomaly Detection [55.54007781679915]
本稿では,多種多様な視覚的エンコーディングを効率よく融合させ,モデルの微粒化知覚を高めるSynergistic Semantic-Visual Prompting (SSVP)を提案する。
SSVPは、MVTec-AD上で93.0%のImage-AUROCと92.2%のPixel-AUROCで最先端のパフォーマンスを達成し、既存のゼロショットアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2026-01-14T04:42:19Z) - Energy-Efficient Multi-LLM Reasoning for Binary-Free Zero-Day Detection in IoT Firmware [5.485965161578769]
静的解析、シンボリック実行、ファジィングといった既存の分析手法は、バイナリ可視性や機能的エミュレーションに依存している。
本稿では,高レベルの記述子のみを用いて,概念的ゼロデイ脆弱性の可能性を推定する,バイナリフリーでアーキテクチャに依存しないソリューションを提案する。
論文 参考訳（メタデータ） (2025-12-23T00:34:50Z) - Spectral Neuro-Symbolic Reasoning II: Semantic Node Merging, Entailment Filtering, and Knowledge Graph Alignment [0.0]
本報告は,3つの意味的基盤的拡張を導入することにより,スペクトラルニューロシンボリック推論(Spectral Neuro-Symbolic Reasoning, Spectral NSR)フレームワークを拡張した。
その斬新さは、スペクトル推論段階の上流で意味論と象徴的な洗練を行うことである。
その結果は、より堅牢で、解釈可能で、スケーラブルな推論システムで、オープンドメインと現実世界の環境でのデプロイメントに適している。
論文 参考訳（メタデータ） (2025-11-02T21:57:15Z) - Bridging Semantics & Structure for Software Vulnerability Detection using Hybrid Network Models [0.0]
我々は複雑な相互作用ネットワークとして制御とデータフローの関係を捉えている。
本フレームワークでは,グラフ表現と軽量(4B)局所LLMを組み合わせる。
提案手法は,グラフ注意ネットワークによる埋め込みよりも93.57%の精度で8.36%向上する。
論文 参考訳（メタデータ） (2025-10-11T19:32:00Z) - Software Vulnerability Detection via Deep Learning over Disaggregated
Code Graph Representation [57.92972327649165]
この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。
コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
論文 参考訳（メタデータ） (2021-09-07T21:24:36Z)
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。