論文の概要: Latent Geometry as a Structural Monitor: Eigenspace Alignment for Anomaly Detection in Anonymity Networks

• arxiv url: http://arxiv.org/abs/2605.20391v1
• Date: Tue, 19 May 2026 18:40:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.32764
• Title: Latent Geometry as a Structural Monitor: Eigenspace Alignment for Anomaly Detection in Anonymity Networks
• Title（参考訳）: 構造モニタとしての潜時幾何学:匿名ネットワークにおける異常検出のための固有空間アライメント
• Authors: Vaibhav Chhabra,
• Abstract要約: 本研究では,大規模な行動群を,大きな遷移の前後で変形を測定することのできる幾何学的エネルギー景観として扱うことを提案する。 67日連続の観測窓にTor匿名ネットワークを適用すると、デュアルオブザーバパイプラインは安定な9次元の負荷を持つ部分空間不変性を識別する。 2026年2月20日の法医学的な分析により、インフラストラクチャイベントは公式にリレー分割仮説を偽装し、トポロジー変更なしでの接続劣化を検出可能なネットワーク障害モードとして特定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional anomaly detection marks events when measured signals cross predefined thresholds. This captures the moment of transition but not the structural pressure that precedes it. We propose treating large behavioral populations as geometric energy landscapes whose deformation can be measured before and during major transitions. The central thesis is that structure precedes geometry: the structural organization of the population is the signal, and geometric metrics are instruments for measuring it. Applied to the Tor anonymity network across 67 consecutive daily observation windows, the dual-observer pipeline identifies a stable nine-dimensional load-bearing subspace invariant across the observation period and validates this structure by Monte Carlo simulation at 16.8 sigma above the noise floor. Primary detection gates achieve 0.0% false positive rate on 24 confirmed stable windows. Forensic analysis of the February 20, 2026 confirmed infrastructure event formally falsifies the relay-departure hypothesis, identifying connectivity degradation without topology change as a detectable network failure mode. The result is a candidate structural-monitoring framework for behavioral populations with sufficient telemetry.
• Abstract（参考訳）: 従来の異常検出は、測定された信号が予め定義された閾値を越えたときの事象を示す。 これは遷移の瞬間を捉えますが、それ以前の構造的な圧力は捉えません。 本研究では,大規模な行動集団を,大きな遷移の前後で変形を測定することのできる幾何学的エネルギー景観として扱うことを提案する。 中心的な主張は、構造が幾何学に先行する、すなわち人口の構造的構造は信号であり、幾何学的計量はそれを測定するための道具である、というものである。 67日連続の観測窓にわたるTor匿名ネットワークに適用された二重オブザーバパイプラインは、観測期間にわたって安定な9次元の荷重を持つ部分空間を識別し、ノイズフロアの16.8シグマでモンテカルロシミュレーションによりこの構造を検証する。 一次検出ゲートは、24の確認された安定ウィンドウ上で0.0%の偽陽性率を達成する。 2026年2月20日の法医学的な分析により、インフラストラクチャイベントは公式にリレー分割仮説を偽装し、トポロジー変更なしでの接続劣化を検出可能なネットワーク障害モードとして特定した。 その結果、十分なテレメトリを備えた行動集団のための構造監視フレームワークの候補となる。

関連論文リスト

• Reinforcing 3D Understanding in Point-VLMs via Geometric Reward Credit Assignment [45.205992501478256]
  本研究では、フィールド固有の信号に全体的監督を分散させるフレームワークを提案し、それらを責任あるトークンスパンにのみルーティングする。 提案手法は,3次元KPAを0.64から0.93に増加させ,結合上の3次元境界ボックス交点を0.686に増加させ,再計画整合点を0.852に引き上げることで信頼性ギャップを橋渡しする。
  論文  参考訳（メタデータ） (2026-04-23T00:01:40Z)
• Structural Rigidity and the 57-Token Predictive Window: A Physical Framework for Inference-Layer Governability in Large Language Models [0.0]
  現在のAIの安全性は、行動監視とトレーニング後のアライメントに依存している。 実験的な測定は、これらのアプローチは検出可能な事前コミット信号を生成しないことを示している。 本稿では,トランスフォーマー推論のダイナミクスを制約満足度モデルに結合するエネルギーベースのガバナンスフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-04T00:08:17Z)
• Topo-R1: Detecting Topological Anomalies via Vision-Language Models [42.86510112477789]
  トポロジカルな正確性は、血管、神経線維、道路網などの構造にとって重要である。 我々は,様々なトポロジ的異常を検証可能なアノテーションで合成する自動データキュレーションパイプラインを開発した。 次に、トポロジを意識した視覚言語モデルを実現するフレームワークであるTopo-R1を紹介する。
  論文  参考訳（メタデータ） (2026-03-13T15:05:04Z)
• SGMatch: Semantic-Guided Non-Rigid Shape Matching with Flow Regularization [43.12848612518533]
  SGMatchは意味誘導型非厳密な形状マッチングのための学習ベースのフレームワークである。 具体的には,視覚基盤モデルから幾何学的記述子への意味的特徴を統合するセマンティックガイド型ローカルクロスアテンションモジュールを設計する。 本研究では,時間変化速度場を監督し,回復した対応の空間的滑らかさを促進する条件付きフローマッチングに基づく正規化目標を提案する。
  論文  参考訳（メタデータ） (2026-03-13T12:31:43Z)
• The Inductive Bias of Convolutional Neural Networks: Locality and Weight Sharing Reshape Implicit Regularization [57.37943479039033]
  本研究では,勾配降下における安定性現象によって引き起こされる暗黙の正則化に,アーキテクチャ的帰納バイアスがどう影響するかを考察する。 局所性と重量共有が根本的に変化していることが示されています。
  論文  参考訳（メタデータ） (2026-03-05T04:50:51Z)
• GO-OSC and VASH: Geometry-Aware Representation Learning for Early Degradation Detection in Oscillatory Systems [0.0]
  本稿では,振動時系列の幾何学的表現学習フレームワークGO-OSCを紹介する。 初期位相のみの劣化下では、エネルギーベースの統計は1次検出能力がゼロであるのに対し、幾何プローブは厳密に正の感度を得る。 解析では, 線形探索が不特定表現の下でいつ, なぜ失敗するのかを特徴付けるとともに, 正準化が統計的検出性を回復することを示す。
  論文  参考訳（メタデータ） (2026-01-24T09:35:57Z)
• Geometric Scaling of Bayesian Inference in LLMs [0.4779196219827507]
  近年の研究では、制御された「風洞」設定で訓練された小さな変圧器がベイズ推定を正確に実装できることが示されている。 この幾何学的シグネチャが生産段階の言語モデルに持続するかどうかを検討する。
  論文  参考訳（メタデータ） (2025-12-27T05:29:55Z)
• The Bayesian Geometry of Transformer Attention [0.4779196219827507]
  我々は,真の後部が閉じた形で認識され,記憶化が不可能な制御環境を構築する。 小さな変圧器はmbox$10-3$--10-4$ビットの精度でベイズの後部を再現するが、容量整合幾何は桁違いに失敗する。
  論文  参考訳（メタデータ） (2025-12-27T05:28:58Z)
• Manifold Percolation: from generative model to Reinforce learning [0.26905021039717986]
  生成的モデリングは通常、学習マッピング規則としてフレーム化されるが、これらの規則にアクセスできない観察者の視点からすると、そのタスクは確率分布から幾何学的支援を引き離すことになる。 本研究は, サンプリングプロセスが, 高次元密度推定を支持面上の幾何カウント問題に効果的に投射するので, 連続体パーコレーションは, この支援解析に一意に適していることを示す。
  論文  参考訳（メタデータ） (2025-11-25T17:12:42Z)
• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。