Fugu-MT 論文翻訳(概要): Investigating Detection and Obfuscation of Prompt Injection Attacks Against Software Reverse Engineering AI Agents

論文の概要: Investigating Detection and Obfuscation of Prompt Injection Attacks Against Software Reverse Engineering AI Agents

arxiv url: http://arxiv.org/abs/2605.30677v1
Date: Fri, 29 May 2026 00:13:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-01 20:56:50.302374
Title: Investigating Detection and Obfuscation of Prompt Injection Attacks Against Software Reverse Engineering AI Agents
Title（参考訳）: ソフトウェアリバースエンジニアリングAIエージェントに対するプロンプト注入攻撃の検出と難読化の検討
Abstract要約: 本研究は,逆算型プログラムの逆算器出力におけるインジェクション文字列の存在を検出するための防御戦略を示す。本研究は,製品レベルのサイバー分析への展開に必要なエージェントソフトウェア分析システムのリスクとセキュリティの理解を深めるものである。
参考スコア（独自算出の注目度）: 0.3683202928838613
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Agentic software reverse engineering systems are vulnerable to prompt injection attacks placed into the source code of executable binary files. This research demonstrates defensive tactics for detecting the presences of prompt injection strings in the decompiler output of adversarial example programs. Methods for obfuscating these attacks and subsequent methods for defending against these obfuscations are also explored. This research advances the understanding of risk and security of agentic software analysis systems necessary for their deployment into production-level cyber workflows.
Abstract（参考訳）: エージェントソフトウェアリバースエンジニアリングシステムは、実行可能バイナリファイルのソースコードに挿入されるインジェクション攻撃に対して脆弱である。本研究は,逆算型プログラムの逆算器出力におけるインジェクション文字列の存在を検出するための防御戦略を示す。また,これらの攻撃を妨害する手法や,それに対する防御方法についても検討した。本研究は,製品レベルのサイバーワークフローへの展開に必要なエージェントソフトウェア分析システムのリスクとセキュリティの理解を深めるものである。

関連論文リスト

Survival of~the~Stealthiest: Evolving Low-Entropy Ransomware via~Genetic Algorithms [1.1961510466705991]
本研究では,検索ベースソフトウェア工学(SBSE)最適化問題としてランサムウェア実行をフレーミングすることで,暗号攻撃のパラダイムシフトを導入する。遺伝的アルゴリズム(GA)を用いて,ベースラインシステム活動からの統計的逸脱に制約のあるデータ暗号化を最適化する。この結果から,検索手法は回避マルウェアを生成する強力なフレームワークであり,ソフトウェア自動防御の課題が浮かび上がっていることが示唆された。
論文参考訳（メタデータ） (2026-08-20T09:17:51Z)
PI-Hunter: Automated Red-Teaming for Exposing and Localizing Prompt Injections [51.8246149916068]
大きな言語モデル(LLM)は、外部のツールや環境と相互作用するエージェントシステムへと急速に進化しています。 LLMエージェントのプロアクティブな脆弱性暴露のための自動エージェント監査フレームワークPI-Hunterを提案する。
論文参考訳（メタデータ） (2026-06-10T22:57:02Z)
Automatically Attacking Software Reverse Engineering AI Agents [0.3277163122167433]
Ghidraのようなリバースエンジニアリング実行可能バイナリファイルのためのソフトウェアツールは、マルウェアアナリストが元のソースコードにアクセスすることなく、安全に堅牢な静的解析を行うことを可能にする。本稿では,AutoDANとして知られる敵攻撃の修正である,遺伝的アルゴリズムによるプロンプト生成を用いた敵攻撃手法を提案する。
論文参考訳（メタデータ） (2026-05-28T23:58:25Z)
SecureForge: Finding and Preventing Vulnerabilities in LLM-Generated Code via Prompt Optimization [61.91729298584227]
SecureForgeは、フロンティアモデルのセキュリティリスクを監査し、監査インフォームされたセキュアなシステムプロンプトを生成する自動化パイプラインである。 SecureForgeは、まず静的に検出可能な脆弱性を生成する良性プロンプトを特定し、その後、さまざまなシナリオの大規模な合成プロンプトコーパスに増幅する。フロンティアモデルでは、SecureForgeは、ユニットテストの成功と出力セキュリティの両方において統計的に有意な改善をもたらし、出力脆弱性は最大48%削減された。
論文参考訳（メタデータ） (2026-05-08T18:40:47Z)
SkillJect: Automating Stealthy Skill-Based Prompt Injection for Coding Agents with Trace-Driven Closed-Loop Refinement [120.52289344734415]
エージェントスキルに適したステルスプロンプトインジェクションのための自動フレームワークを提案する。フレームワークは、明示的なステルス制約の下でインジェクションスキルを合成するアタックエージェント、インジェクションされたスキルを使用してタスクを実行するコードエージェント、アクショントレースをログする評価エージェントの3つのエージェントでクローズドループを形成する。本手法は,現実的な環境下で高い攻撃成功率を達成する。
論文参考訳（メタデータ） (2026-02-15T16:09:48Z)
Trojans in Artificial Intelligence (TrojAI) Final Report [52.6138928911574]
TrojAIは、現代の人工知能の新たな脆弱性、すなわちAIトロイの木馬の脅威に直面するために立ち上げられた。 TrojAIは、脅威の複雑な性質を把握し、基礎的な検出方法の先駆者となった。報告書は、AIセキュリティ研究を進めるための教訓とレコメンデーションで締めくくっている。
論文参考訳（メタデータ） (2026-02-06T19:52:14Z)
Backdoor-Powered Prompt Injection Attacks Nullify Defense Methods [95.54363609024847]
大型言語モデル(LLM)はインジェクション攻撃に弱い。本稿では,即時噴射防御法を無効化するより悪質な攻撃について検討する。バックドアによるプロンプトインジェクション攻撃は、以前のプロンプトインジェクション攻撃よりも有害である。
論文参考訳（メタデータ） (2025-10-04T07:11:11Z)
Cuckoo Attack: Stealthy and Persistent Attacks Against AI-IDE [64.47951172662745]
Cuckoo Attackは、悪意のあるペイロードを構成ファイルに埋め込むことで、ステルス性と永続的なコマンド実行を実現する新しい攻撃である。攻撃パラダイムを初期感染と持続性という2つの段階に分類する。当社は、ベンダーが製品のセキュリティを評価するために、実行可能な7つのチェックポイントを提供しています。
論文参考訳（メタデータ） (2025-09-19T04:10:52Z)
Cyber Attack Mitigation Framework for Denial of Service (DoS) Attacks in Fog Computing [0.0]
この概要は、自動サイバー脅威軽減に焦点を当てた学術研究の欠如を強調している。提案手法は、DDoS(Distributed Denial-of-Service)攻撃に適した自動サイバー脅威軽減フレームワークの開発を含む。
論文参考訳（メタデータ） (2025-09-15T08:09:23Z)
Prompt Injection 2.0: Hybrid AI Threats [0.0]
我々はプレアンブルの基礎研究と緩和技術を構築し、現代の脅威に対してそれらを評価した。我々は,迅速なアイソレーション,ランタイムセキュリティ,特権分離と新たな脅威検出機能を組み合わせたアーキテクチャソリューションを提案する。
論文参考訳（メタデータ） (2025-07-17T14:33:36Z)
MalGEN: A Generative Agent Framework for Modeling Malicious Software in Cybersecurity [0.0]
MalGENは、マルウェアサンプルを生成するために敵の振る舞いをシミュレートするマルチエージェントフレームワークである。 MalGENを用いて10種類の新規ウイルスサンプルを合成し,抗ウイルスおよび行動検出エンジンに対して評価した。このフレームワークはデータの不足に対処し、厳格なテストを可能にし、弾力性と将来的な検出戦略の開発をサポートする。
論文参考訳（メタデータ） (2025-06-09T09:32:03Z)
Double Backdoored: Converting Code Large Language Model Backdoors to Traditional Malware via Adversarial Instruction Tuning Attacks [15.531860128240385]
本研究では、バックドアをAI/MLドメインから従来のコンピュータマルウェアに移行するための新しいテクニックについて検討する。命令チューニングされたコードLLMのサイバーセキュリティ脆弱性を評価するためのフレームワークであるMalInstructCoderを提案する。我々は,3つの最先端の Code LLM を含むコード固有命令チューニングプロセスの活用性について,包括的調査を行う。
論文参考訳（メタデータ） (2024-04-29T10:14:58Z)
Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
論文参考訳（メタデータ） (2020-08-17T07:16:57Z)

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。