論文の概要: The Biosecurity Blind Spot: Systematic Dual-use Detection in Open Science Infrastructure
- arxiv url: http://arxiv.org/abs/2605.28843v1
- Date: Sun, 10 May 2026 16:17:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 02:55:43.033557
- Title: The Biosecurity Blind Spot: Systematic Dual-use Detection in Open Science Infrastructure
- Title（参考訳）: バイオセキュリティの盲点:オープンサイエンスインフラにおけるシステム的デュアルユース検出
- Authors: Vasudha Sharma, Chakresh Kumar Singh, Jayesh Choudhari, Dharmit Nakrani,
- Abstract要約: 本稿では,オープンプレプリントサーバ上でのDouble-use Research of concern(DURC)コンテンツに関する最初の体系的分析を行う。
本分析により, オープンアクセス可能なタイトルや抽象概念に, 二重利用関連知識が日常的に存在していることが明らかとなった。
機関のレビュープロセス、資金要求、および事前印刷プラットフォームポリシーは、積極的にメタデータレベルのモニタリングを組み込むために進化する必要があると我々は主張する。
- 参考スコア（独自算出の注目度）: 0.6124773188525718
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: AI is transforming life sciences research at unprecedented speed, accelerating discovery across protein structure prediction, genome modeling, and drug development (Jumper et al., 2021; Mak et al., 2024). Yet this rapid advancement, coupled with the open science movement, introduces significant dual-use research concerns that have received limited empirical scrutiny. Here we present the first systematic analysis of dual-use research of concern (DURC) content on open preprint servers. We screened ~52,000 bioRxiv preprints (2024-2025) using a hybrid pipeline of lexical filtering and large language model (LLM) evaluation, scoring metadata across nine DURC, three PEPP, and five governance categories aligned with U.S. and Australia Group oversight frameworks. Our analysis reveals that dual-use-adjacent knowledge is routinely present in openly accessible titles and abstracts, often exceeding established risk thresholds even in studies with legitimate public health objectives. While this mapping captures surface-level information diffusion, it does not measure operational capability, downstream misuse potential, or the substantial technical and biosafety barriers that constrain harmful application. We argue that institutional review processes, funding requirements, and preprint platform policies must evolve to incorporate proactive, metadata-level monitoring without compromising scientific transparency. Ultimately, harmonizing controlled-access mechanisms for high-risk methodologies with open summaries of scientific contributions offers a pragmatic framework for governing AI-accelerated biology at scale.
- Abstract（参考訳）: AIは生命科学の研究を前例のない速さで変化させ、タンパク質構造予測、ゲノムモデリング、薬物開発における発見を加速させている(Jumper et al , 2021; Mak et al , 2024)。
しかし、この急激な進歩とオープンサイエンス運動が組み合わさって、経験的な精査が限られている重要な二重利用研究の懸念がもたらされる。
本稿では,オープンプレプリントサーバ上でのDouble-use Research of concern(DURC)コンテンツに関する最初の体系的分析について述べる。
約52,000のbioRxivプレプリント(2024-2025)を語彙フィルタリングと大規模言語モデル(LLM)評価のハイブリッドパイプラインを用いてスクリーニングし,9つのDURC,3つのPEPP,および米国とオーストラリアグループの監視フレームワークに合わせた5つのガバナンスカテゴリについて評価した。
我々の分析によると、二重使用関連知識は、公然とアクセス可能なタイトルや抽象概念に常在し、正当な公衆衛生目標を持つ研究においても、確立されたリスクしきい値を超えることがしばしばある。
このマッピングは、表面レベルの情報拡散をキャプチャするが、運用能力、下流での誤使用の可能性、あるいは有害な応用を制限する実質的な技術的およびバイオセーフティ障壁を計測しない。
我々は、科学的な透明性を損なうことなく、積極的にメタデータレベルのモニタリングを組み込むために、制度的レビュープロセス、資金要求、およびプレプリントプラットフォームポリシーを進化させなければならないと論じている。
最終的に、科学的な貢献のオープンな要約とハイリスクな方法論のための制御アクセス機構を調和させることは、AIが加速する生物学を大規模に管理するための実践的な枠組みを提供する。
関連論文リスト
- SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。
SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。
我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
論文 参考訳（メタデータ） (2026-05-02T15:26:45Z) - Can Large Language Models Derive New Knowledge? A Dynamic Benchmark for Biological Knowledge Discovery [81.03797680309154]
DBench-Bioは、AIの生物学的知識発見能力を評価するための、動的で完全に自動化されたベンチマークである。
このパイプラインをインスタンス化し、12のバイオメディカルサブドメインをカバーする月次更新ベンチマークを構築します。
我々の研究は、AIシステムの新しい知識発見能力を評価するための、最初の動的で自動的なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-02-10T05:47:22Z) - AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。
私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。
22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
論文 参考訳（メタデータ） (2025-10-24T17:10:26Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - What are the limits to biomedical research acceleration through general-purpose AI? [2.31014638945732]
汎用人工知能(GPAI)は科学的な発見を促進することが広く期待されている。
われわれのスコーピング文献レビューでは、現在のGPAIは2倍の速度で加速できるが、将来のGPAIは最大25倍の加速を促進する可能性がある。
論文 参考訳（メタデータ） (2025-08-13T10:54:11Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - WithdrarXiv: A Large-Scale Dataset for Retraction Study [33.782357627001154]
本稿では,arXivから抽出した論文の大規模データセットであるWithdrarXivを紹介する。
我々は、致命的な誤りから政策違反まで10の異なるカテゴリーを識別し、削除理由の包括的分類を開発する。
重み付き平均F1スコアは0.96である。
論文 参考訳（メタデータ） (2024-12-04T23:36:23Z) - SoK: Evaluations in Industrial Intrusion Detection Research [8.356036431147889]
産業侵入検知システムは、最も洗練された侵入さえもタイムリーに発見しようとする。
社会に対する批判のため、この急速に成長する分野は様々な背景から研究者を惹きつけている。
609の論文を分析したところ, この研究分野の急速な成長は, 肯定的かつ否定的な結果をもたらすことがわかった。
論文 参考訳（メタデータ） (2023-11-06T07:49:58Z) - ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。
まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。
次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文 参考訳（メタデータ） (2023-11-01T14:44:01Z) - Accelerating COVID-19 research with graph mining and transformer-based
learning [2.493740042317776]
新型コロナウイルス研究のための汎用仮説自動生成システムAGATHA-CとAGATHA-GPを紹介します。
どちらのシステムも、高速な計算時間でドメイン(一部のドメインでは0.97%のROC AUC)間で高品質の予測を実現します。
これらのシステムは、新型コロナウイルスとオキシトシンホルモンの関係など、現在進行中の研究成果を発見できることを示す。
論文 参考訳（メタデータ） (2021-02-10T15:11:36Z) - AGATHA: Automatic Graph-mining And Transformer based Hypothesis
generation Approach [1.7954335118363964]
本稿では,発見過程の早い段階でデータ駆動的な洞察を導入する仮説生成システムを提案する。
AGATHAは、エンティティセット間で有効な用語ペアを優先し、新たな研究方向性を推奨します。
本システムは,確立したベンチマークにおいて,クラス内での最高の性能を実現する。
論文 参考訳（メタデータ） (2020-02-13T17:06:47Z)
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。