論文の概要: SL5 Standard for AI Security
- arxiv url: http://arxiv.org/abs/2605.08449v1
- Date: Fri, 08 May 2026 20:15:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 15:17:24.245814
- Title: SL5 Standard for AI Security
- Title（参考訳）: AIセキュリティのためのSL5標準
- Authors: Lisa Thiergart, Yoav Tzfati, Peter Wagstaff, Guy, Luis Cosio, Philip Reiner,
- Abstract要約: セキュリティレベル5(SL5)は、AIシステムのセキュリティ姿勢であり、トッププライオリティ操作を確実に阻止することができる。
このSL5標準の最初の改訂は、長いリードタイムの要求に焦点を当てている。
いくつかの要件は、プライベートセクターアプローチが不十分な政府のセキュリティ機能に近似している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Security Level 5 (SL5) is a security posture for AI systems that could plausibly thwart top-priority operations by the world's most cyber-capable institutions: those with extensive resources, state-level infrastructure, and expertise years ahead of the public state of the art. The SL5 terminology originates from the RAND Corporation's 2024 report "Securing AI Model Weights". Frontier AI development requires use-case-specific, productivity-optimised and updateable AI datacenter security standards. This first revision of the SL5 standard focuses on requirements with long lead times: interventions that must be planned years in advance, such as facility construction, hardware procurement, and organizational capability development. We prioritize these requirements because preserving optionality for SL5 by 2028/2029 requires starting now. These capabilities cannot be retrofitted on short notice when the need becomes urgent. Some requirements represent significant departures from current day standard practice. We believe bold measures are necessary for this level of security and see clear opportunities to apply optimization pressure to existing and novel solutions to customize them for the AI industry and address the practical operational requirements as much as possible. Our organization exists to begin paving this path. Some requirements approximate government security capabilities where private-sector approaches may be insufficient. We identify these gaps and note where government involvement may ultimately be necessary.
- Abstract（参考訳）: セキュリティレベル5(SL5、Security Level 5)は、世界有数のサイバー能力を持つ機関による最上位のプライオリティ運用を確実に阻止できるAIシステムのセキュリティ姿勢である。
SL5の用語は、RAND Corporationの2024年のレポート"Securing AI Model Weights"に由来する。
最先端のAI開発には、ユースケース固有の、生産性に最適化された、アップデート可能なAIデータセンタセキュリティ標準が必要です。
このSL5標準の最初の改訂は、長期のリードタイム(施設建設、ハードウェア調達、組織能力開発など)の要件に焦点を当てている。
SL5のオプションを2028/2029年までに保つためには、現在からこれらの要件を優先します。
これらの機能は、ニーズが緊急になった場合、短時間で再適合することはできない。
いくつかの要件は、現在の標準プラクティスから大幅に逸脱している。
我々は、このレベルのセキュリティには大胆な措置が必要であると考えており、AI産業のためにそれらをカスタマイズし、できるだけ実用的な運用要件に対処するために、既存の新しいソリューションに最適化の圧力を適用する明確な機会を見出している。
私たちの組織はこの道を歩み始めるために存在します。
いくつかの要件は、プライベートセクターアプローチが不十分な政府のセキュリティ機能に近似している。
これらのギャップを特定し、政府の関与が最終的にどこに必要かに注目します。
関連論文リスト
- Constitutional Spec-Driven Development: Enforcing Security by Construction in AI-Assisted Code Generation [0.0]
AIによる"バイブコーディング"は、迅速なソフトウェア開発を可能にするが、重大なセキュリティリスクをもたらす。
憲法仕様駆動開発(Constitutional Spec-Driven Development)は、非交渉可能なセキュリティ原則を仕様に組み込む方法論である。
憲法上の制約は、制約のないAI生成と比較してセキュリティ上の欠陥を73%削減することを示す。
論文 参考訳（メタデータ） (2026-01-31T19:08:16Z) - Frontier AI Auditing: Toward Rigorous Third-Party Assessment of Safety and Security Practices at Leading AI Companies [57.521647436515785]
私たちはフロンティアAIの監査を、フロンティアAI開発者の安全とセキュリティに関する主張の厳格な第三者による検証として定義しています。
本稿では,AI保証レベル(AAL-1からAAL-4)について紹介する。
論文 参考訳（メタデータ） (2026-01-16T18:44:09Z) - Securing AI Agents: Implementing Role-Based Access Control for Industrial Applications [0.0]
産業環境では、AIエージェントは意思決定、予測保守、プロセス最適化を強化することでオペレーションを変革している。
これらの進歩にもかかわらず、AIエージェントは、迅速なインジェクション攻撃を含む、セキュリティ上の脅威に弱いままである。
本稿では,RBAC(Role-Based Access Control)をAIエージェントに統合し,堅牢なセキュリティガードレールを提供するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-14T20:58:08Z) - Fundamental Risks in the Current Deployment of General-Purpose AI Models: What Have We (Not) Learnt From Cybersecurity? [60.629883024152576]
大規模言語モデル(LLM)は、幅広いユースケースで急速にデプロイされている。
OpenAIs Alteraは、自律性の向上、データアクセス、実行機能の一例に過ぎない。
これらの方法には、さまざまなサイバーセキュリティ上の課題が伴う。
論文 参考訳（メタデータ） (2024-12-19T14:44:41Z) - Position: Mind the Gap-the Growing Disconnect Between Established Vulnerability Disclosure and AI Security [56.219994752894294]
我々は、AIセキュリティレポートに既存のプロセスを適用することは、AIシステムの特徴的な特徴に対する根本的な欠点のために失敗する運命にあると主張している。
これらの欠点に対処する私たちの提案に基づき、AIセキュリティレポートへのアプローチと、新たなAIパラダイムであるAIエージェントが、AIセキュリティインシデント報告の進展をさらに強化する方法について論じる。
論文 参考訳（メタデータ） (2024-12-19T13:50:26Z) - AI Horizon Scanning, White Paper p3395, IEEE-SA. Part I: Areas of Attention [0.22470290096767004]
この写本は、IEEE-SAのp3995: Safeguards, Controls, and Preventive Techniques for Artificial Intelligence (AI) Modelsの標準化を知らせる一連の白書の最初のものである。
この最初の地平線スキャンでは、AIにおける標準活動の重要な注意領域を特定します。
規制の取り組みに対する異なる原則を検討し、説明責任、プライバシ、データ権利、誤用の概念をレビューする。
論文 参考訳（メタデータ） (2024-09-13T18:00:01Z) - Frontier AI Regulation: Managing Emerging Risks to Public Safety [15.85618115026625]
脆弱なAI」モデルは、公共の安全に深刻なリスクをもたらすのに十分な危険能力を持つ可能性がある。
業界の自己規制は重要な第一歩です。
安全基準の最初のセットを提案する。
論文 参考訳（メタデータ） (2023-07-06T17:03:25Z) - Machine Learning with Requirements: a Manifesto [114.97965827971132]
要件定義と満足度は、マシンラーニングモデルが現実世界にさらに適合するように、長い道のりを歩むことができる、と私たちは主張しています。
私たちは、要求仕様を標準の機械学習開発パイプラインにうまく組み込む方法を示します。
論文 参考訳（メタデータ） (2023-04-07T14:47:13Z) - Towards Audit Requirements for AI-based Systems in Mobility Applications [0.0]
我々は、既存の規制を拡張し、ディープニューラルネットワーク(DNN)の具体的なニーズに対処する50の技術的要件またはベストプラクティスを提案する。
DNNに基づく交通標識認識システムの例証監査を行うことにより,提案する要件の適用性,有用性,有意義性を示す。
論文 参考訳（メタデータ） (2023-02-27T07:57:52Z) - AI Techniques for Software Requirements Prioritization [91.3755431537592]
本稿では,要求優先プロセスの全体的な品質向上に役立つ人工知能(AI)技術に基づく優先順位付け手法を提案する。
論文 参考訳（メタデータ） (2021-08-02T12:43:00Z)
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。