論文の概要: Sketch-based Access Control: A Multimodal Interface for Translating User Preferences into Intent-Aligned Policies

• arxiv url: http://arxiv.org/abs/2605.10012v1
• Date: Mon, 11 May 2026 05:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.549594
• Title: Sketch-based Access Control: A Multimodal Interface for Translating User Preferences into Intent-Aligned Policies
• Title（参考訳）: スケッチベースのアクセス制御: ユーザ嗜好を関連するポリシーに翻訳するためのマルチモーダルインタフェース
• Authors: Kyzyl Monteiro, Sauvik Das,
• Abstract要約: スケッチベースのAI支援アクセス制御オーサリングシステムであるSketch-based Access Control (SBAC)を提案する。 SBACは、スケッチの表現力とマルチモーダルな大規模言語モデル(MLLM)の解釈能力を組み合わせて、ポリシー仕様の解釈と検証を支援する。
• 参考スコア（独自算出の注目度）: 9.431045721676204
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing simple and expressive access controls -- interfaces to specify policies that define who should have access to resources and under what circumstances -- is a longstanding challenge in usable security. We present Sketch-based Access Control (SBAC), a sketch-based, AI-assisted access control authoring system that combines the expressive power of sketching with the interpretive capabilities of multimodal large language models (MLLMs) to support the interpretation and validation of policy specifications as they are iteratively refined. Through a formative study with 14 participants, we identified three design requirements and developed a human-AI collaborative workflow composed of three stages -- Specify, Analyze, and Test -- enabled by the system's ability to maintain and interpret evolving access control specifications. In a user evaluation with 14 participants grounded in their real-world access control scenarios, we found the system and the workflow helped participants progressively refine initially underspecified preferences into more complete and precise policies -- surfacing gaps they had not anticipated, resolving ambiguities through dialogue, and validating policy behavior through concrete scenarios.
• Abstract（参考訳）: シンプルで表現豊かなアクセスコントロール - リソースへのアクセスと、どのような状況下でアクセスすべきかを定義するポリシーを規定するインターフェース - の開発は、長年にわたるセキュリティ上の課題である。 我々は、スケッチベースのAI支援アクセス制御オーサリングシステムであるSketch-based Access Control (SBAC)について、スケッチの表現力とマルチモーダル大言語モデル(MLLM)の解釈能力を組み合わせて、反復的に洗練されたポリシー仕様の解釈と検証を支援する。 14人の参加者による形式的な研究を通じて、3つの設計要件を特定し、進化するアクセス制御仕様の維持と解釈が可能な3つのステージ – 特定、分析、テスト – で構成される人間とAIの協調ワークフローを開発した。 現実のアクセス制御シナリオに根ざした14人の参加者によるユーザ評価では、システムとワークフローが、当初未指定の嗜好を徐々に洗練して、より完全かつ正確なポリシへと導くのに役立ちました。

関連論文リスト

• Generation of Human Comprehensible Access Control Policies from Audit Logs [2.839132202833286]
  我々は、ログから人間の理解可能な自然言語アクセス制御ポリシーを生成するフレームワークを開発する。 LANTERN (LLM-based ABAC Natural Translation and Explanation for Rule Navigation) と名付けられたこのフレームワークは,我々の研究成果のために,一般公開されたWebベースアプリケーションとしてインスタンス化されている。
  論文  参考訳（メタデータ） (2026-03-15T12:21:27Z)
• Say It My Way: Exploring Control in Conversational Visual Question Answering with Blind Users [8.54162000547885]
  本稿では,視覚的質問応答(VQA)ツールを現実の会話型VQAシステムでカスタマイズする方法を示す。 このシステムは冗長性制御を欠き、空間と時間の距離を推定し、到達不能な画像フレーミングに依存し、カメラのガイダンスはほとんど提供されなかった。 参加者がこれらの制限を回避するのに、プロンプトエンジニアリングなどのカスタマイズ技術がどのように役立つかについて論じる。
  論文  参考訳（メタデータ） (2026-02-18T22:44:43Z)
• Say What You Mean: Natural Language Access Control with Large Language Models for Internet of Things [29.816322400339228]
  人間の意図と機械の強化可能な論理のギャップを埋めるフレームワークである LACE を提示する。 プロンプト誘導されたポリシー生成、検索強化された推論、フォーマルなバリデーションを組み合わせることで、表現的、解釈可能、検証可能なアクセス制御をサポートする。 LACEは、検証済みのポリシー生成において100%の正当性を達成し、最大88%の判定精度と0.79 F1スコアを達成する。
  論文  参考訳（メタデータ） (2025-05-28T10:59:00Z)
• A Survey on (M)LLM-Based GUI Agents [62.57899977018417]
  グラフィカルユーザインタフェース (GUI) エージェントは、人間とコンピュータのインタラクションにおいて、トランスフォーメーションパラダイムとして登場した。 大規模言語モデルとマルチモーダル学習の最近の進歩は、デスクトップ、モバイル、Webプラットフォーム全体でGUI自動化に革命をもたらした。 本調査では, 正確な要素位置決定, 効果的な知識検索, 長期計画, 安全に配慮した実行制御など, 重要な技術的課題を明らかにする。
  論文  参考訳（メタデータ） (2025-03-27T17:58:31Z)
• Synthesizing Access Control Policies using Large Language Models [0.5762345156477738]
  クラウドコンピューティングシステムでは、管理者はプライベートデータへのアクセスを管理するアクセス制御ポリシーを書くことができる。 ポリシはAWS IdentityやAccess Management Policy Languageといった便利な言語で記述されているが、手書きのポリシは複雑でエラーが多いことが多い。 本稿では,Large Language Models (LLM) がアクセス制御ポリシの合成にどの程度有効かを検討する。
  論文  参考訳（メタデータ） (2025-03-14T16:40:25Z)
• The Synergy of LLMs & RL Unlocks Offline Learning of Generalizable Language-Conditioned Policies with Low-fidelity Data [50.544186914115045]
  TEDUOは、シンボリック環境におけるオフライン言語条件のポリシー学習のための、新しいトレーニングパイプラインである。 まず、オフラインデータセットをよりリッチなアノテーションで拡張する自動化ツールとして、次に、一般化可能な命令フォローエージェントとして使用します。
  論文  参考訳（メタデータ） (2024-12-09T18:43:56Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• Policy Adaptation via Language Optimization: Decomposing Tasks for Few-Shot Imitation [49.43094200366251]
  本稿では,タスク分解のセマンティック理解を生かした,未確認タスクへの数発適応のための新しいアプローチを提案する。 我々の手法であるPALO(Policy Adaptation via Language Optimization)は,タスクのいくつかの実演と,提案する言語分解とを組み合わせる。 PALOは、実世界の長期・多層的なタスクを一貫して完了することができ、事前訓練されたジェネラリスト政策の状況よりも優れています。
  論文  参考訳（メタデータ） (2024-08-29T03:03:35Z)
• ChatSOP: An SOP-Guided MCTS Planning Framework for Controllable LLM Dialogue Agents [52.7201882529976]
  対話エージェントの制御性を高めるため,SOP誘導モンテカルロ木探索(MCTS)計画フレームワークを提案する。 これを実現するために、GPT-4oを用いた半自動ロールプレイシステムを用いて、SOPアノテーション付きマルチシナリオ対話からなるデータセットをキュレートする。 また、SOP予測のための教師付き微調整と思考の連鎖推論を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-04T12:23:02Z)
• An Automatic Attribute Based Access Control Policy Extraction from Access Logs [5.142415132534397]
  属性ベースのアクセス制御(ABAC)モデルは、複雑なシステムや動的システムの認証要求に対処するための、より柔軟なアプローチを提供する。 本稿では,システムへのアクセスログからABACポリシールールを自動的に学習し,ポリシー開発プロセスを簡素化する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-16T15:08:54Z)

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。