Fugu-MT 論文翻訳(概要): AI Integrity: Defending Against Backdoors and Secret Loyalties

論文の概要: AI Integrity: Defending Against Backdoors and Secret Loyalties

arxiv url: http://arxiv.org/abs/2606.00036v1
Date: Sat, 25 Apr 2026 15:43:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-22 00:19:51.724488
Title: AI Integrity: Defending Against Backdoors and Secret Loyalties
Title（参考訳）: AI統合: バックドアとシークレットロイヤリティに対する防御
Abstract要約: 統合性は情報セキュリティにおける機密性、完全性、可用性(CIA)の柱の1つである。機密性は、RANDのSecuring AI Model Weightsレポートのような活動を通じてある程度の注目を集める一方で、国家安全保障の重要性にもかかわらず、AIの完全性には不十分な注意が払われている。
参考スコア（独自算出の注目度）: 0.3033225941396505
License: http://creativecommons.org/licenses/by/4.0/
Abstract: AI integrity means ensuring AI systems are free from secret or unauthorized modifications that could compromise their behavior. Integrity represents one pillar of the confidentiality, integrity, and availability (CIA) triad in information security: confidentiality preserves secrecy of sensitive information, integrity ensures data remain authentic and uncorrupted, and availability keeps systems operational when needed. While confidentiality receives some attention through efforts like RAND's Securing AI Model Weights report, and availability is naturally prioritized by market forces, AI integrity receives insufficient attention despite its importance to national security.
Abstract（参考訳）: AIの完全性は、AIシステムが彼らの行動を損なう可能性のある秘密または無許可の修正から解放されることを意味する。情報セキュリティにおける機密性、完全性、可用性(CIA)の3つの柱:機密性は機密情報の機密性を保存する。機密性は、RANDのSecuring AI Model Weightsレポートのような活動を通じてある程度の注意を払っている。

関連論文リスト

Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
論文参考訳（メタデータ） (2026-05-17T10:26:37Z)
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)
LegionITS: A Federated Intrusion-Tolerant System Architecture [0.6524460254566903]
本稿では, 侵入耐性システム (ITS) とMalware Information Sharing Platform (MISP) を連携させて, SOCの強化を図るアーキテクチャを提案する。概念実証として,Federated Learning (FL) に差分プライバシー(DP)を適用し,98.42%から85.98%までの精度低下を観測し,一つのモジュールを評価する。
論文参考訳（メタデータ） (2025-12-16T09:52:08Z)
Never Compromise to Vulnerabilities: A Comprehensive Survey on AI Governance [211.5823259429128]
本研究は,本質的セキュリティ,デリバティブ・セキュリティ,社会倫理の3つの柱を中心に構築された,技術的・社会的次元を統合した包括的枠組みを提案する。我々は,(1)防衛が進化する脅威に対して失敗する一般化ギャップ,(2)現実世界のリスクを無視する不適切な評価プロトコル,(3)矛盾する監視につながる断片的な規制,の3つの課題を特定する。私たちのフレームワークは、研究者、エンジニア、政策立案者に対して、堅牢でセキュアなだけでなく、倫理的に整合性があり、公的な信頼に値するAIシステムを開発するための実用的なガイダンスを提供します。
論文参考訳（メタデータ） (2025-08-12T09:42:56Z)
Generative AI-Empowered Secure Communications in Space-Air-Ground Integrated Networks: A Survey and Tutorial [107.26005706569498]
宇宙航空地上統合ネットワーク(SAGIN)は、その特性上、前例のないセキュリティ上の課題に直面している。 Generative AI(GAI)は、データを合成し、セマンティクスを理解し、自律的な決定を行うことで、SAGINセキュリティを保護できる変革的アプローチである。
論文参考訳（メタデータ） (2025-08-04T01:42:57Z)
LLM Agents Should Employ Security Principles [60.03651084139836]
本稿では,大規模言語モデル(LLM)エージェントを大規模に展開する際には,情報セキュリティの確立した設計原則を採用するべきであることを論じる。 AgentSandboxは、エージェントのライフサイクル全体を通して保護を提供するために、これらのセキュリティ原則を組み込んだ概念的なフレームワークである。
論文参考訳（メタデータ） (2025-05-29T21:39:08Z)
Security-First AI: Foundations for Robust and Trustworthy Systems [0.0]
この原稿は、AIセキュリティは基礎的なレイヤとして優先順位付けされなければならないことを示唆している。私たちは、信頼できるレジリエントなAIシステムを実現するために、セキュリティ優先のアプローチを主張します。
論文参考訳（メタデータ） (2025-04-17T22:53:01Z)
Balancing Confidentiality and Transparency for Blockchain-based Process-Aware Information Systems [43.253676241213626]
機密性と透明性を維持するために,ブロックチェーンベースのPAISアーキテクチャを提案する。スマートコントラクトは公開インタラクションを制定、強制、保存し、属性ベースの暗号化技術は機密情報へのアクセス許可を指定するために採用されている。システム的脅威モデル解析によりソリューションの安全性を評価し,その実用性を評価する。
論文参考訳（メタデータ） (2024-12-07T20:18:36Z)
Meta-Sealing: A Revolutionizing Integrity Assurance Protocol for Transparent, Tamper-Proof, and Trustworthy AI System [0.0]
この研究は、AIシステムの整合性検証を根本的に変更する暗号フレームワークであるMeta-Sealingを紹介する。このフレームワークは、高度な暗号と分散検証を組み合わせることで、数学的厳密さと計算効率の両方を達成する、暗黙の保証を提供する。
論文参考訳（メタデータ） (2024-10-31T15:31:22Z)
Towards Secure and Private AI: A Framework for Decentralized Inference [14.526663289437584]
大規模マルチモーダル基盤モデルは、スケーラビリティ、信頼性、潜在的な誤用に関する課題を提示する。分散システムは、ワークロードの分散と障害の中心的なポイントの緩和によるソリューションを提供する。これらの課題に対処するためには、AI開発に責任を負うように設計された包括的なフレームワークを使います。
論文参考訳（メタデータ） (2024-07-28T05:09:17Z)
Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文参考訳（メタデータ） (2020-11-02T20:04:18Z)

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。