論文の概要: Specification-Driven Development Benchmark: Security Knowledge Transition

• arxiv url: http://arxiv.org/abs/2606.00167v1
• Date: Fri, 29 May 2026 12:36:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 18:55:26.340086
• Title: Specification-Driven Development Benchmark: Security Knowledge Transition
• Title（参考訳）: 仕様駆動開発ベンチマーク: セキュリティ知識の移行
• Abstract要約: 本稿では,AIを活用した仕様駆動開発のためのセキュリティ知識運用手法を提案する。 多層仕様セキュリティモデル(Multilayer Specification Security Model)は、システムエンティティ間のトレーサブルな関係を通じてセキュリティ知識を表現する。 セキュリティ知識遷移法は、ビジネスおよび技術仕様を検証済みのセキュリティ強化世代契約に変換する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-assisted software development is shifting from isolated code completion toward specification-driven generation, where business requirements, technical specifications, and acceptance criteria become operational input for LLM-based development agents. This shift creates a security problem: functional behavior is described explicitly, while security behavior remains implicit, generic, or postponed to post-generation review, causing generated systems to satisfy visible functional requirements while failing to preserve authorization rules, ownership boundaries, input validation, token rejection, sensitive data handling, and abuse-case semantics. This paper proposes a security knowledge operationalization approach for AI-assisted specification-driven development, combining two contributions: a Multilayer Specification Security Model that represents security knowledge through traceable relations between system entities, threats, risks, requirements, implementation rules, controls, verification scenarios, and evidence; and a Security Knowledge Transition Method that transforms business and technical specifications into a validated security-enriched generation contract. We evaluate the approach through two empirical studies: a hidden-oracle study assessing whether an LLM-based pipeline can derive a structured security model from system context, and a backend generation study under three conditions: no explicit security requirements, ASVS-conditioned generation, and Multilayer Security Model conditioning. Evaluated against a hidden 221-test black-box API suite, modal failures decreased from 50 in the baseline to 42 with ASVS and 36 with the Multilayer Security Model, with the strongest improvements in application-specific categories such as business logic and admin safety.
• Abstract（参考訳）: AI支援型ソフトウェア開発は、独立したコード補完から、ビジネス要件、技術的仕様、受け入れ基準がLLMベースの開発エージェントの運用インプットとなる仕様駆動生成へと移行している。 機能的振る舞いは明示的に記述されるが、セキュリティ動作は暗黙的、汎用的、あるいはポストジェネリックで、生成したシステムは、承認ルール、オーナシップ境界、入力バリデーション、トークンの拒否、機密データハンドリング、乱用ケースセマンティクスを保存できないまま、可視的な機能要件を満たす。 本稿では,AIを活用した仕様駆動開発のためのセキュリティ知識運用手法を提案する。システムエンティティ,脅威,リスク,要件,実装ルール,制御,検証シナリオ,エビデンス間のトレーサブルな関係を通じてセキュリティ知識を表現する多層仕様セキュリティモデルと,ビジネスおよび技術仕様を検証されたセキュリティ強化世代契約に変換するセキュリティ知識移行手法である。 本研究は,LLMをベースとしたパイプラインがシステムコンテキストから構造化されたセキュリティモデルを導出できるかどうかを,明示的なセキュリティ要件のないバックエンド生成モデル,ASVS条件付き生成,多層セキュリティモデル条件の3つの条件で評価した。 隠れた221テストのブラックボックスAPIスイートに対して評価され、ベースラインでは50から42に、マルチレイヤセキュリティモデルでは36に、ビジネスロジックや管理の安全性といったアプリケーション固有のカテゴリが大幅に改善された。

関連論文リスト

• CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild [49.44069582581181]
  CyberFactoryは、CVEを含む公開脆弱性アーティファクトをワイルドから実行可能で検証可能なタスクインスタンスに変換する。 再利用可能な脆弱性分析スキルを使用して、ソースインスペクション、ドメイン前の問題解決、エビデンスベースのバリデーションを通じて教師を指導する。 CyberGymでは1時間の予算で52.4%のPass@1に達し、Qwen3.5ベースモデルを+22.8ポイント改善した。
  論文  参考訳（メタデータ） (2026-08-24T12:30:10Z)
• The Illusion of Secure LLM Code: Closing the Security Gap via Iterative Reprompting [0.6066442015301664]
  本稿では,5つの著名なAI符号化アシスタントが生成する認証システムのセキュリティアーキテクチャを評価する。 実証的な結果は、機能的または汎用的にセキュアなプロンプトから生成されたコードは、決定的な保護を一貫して省略することを示している。 最終的に、この研究は、現在のAIコーディングアシスタントがセキュア・バイ・デフォルトのアプリケーションを生成していないことを証明している。
  論文  参考訳（メタデータ） (2026-07-26T15:16:44Z)
• SeClaw: Spec-Driven Security Task Synthesis for Evaluating Autonomous Agents [87.26967184869198]
  SeClawは、仕様駆動のセキュリティタスク合成と、自律エージェントの実行ベースのセキュリティ評価を組み合わせたフレームワークである。 ベンチマークは、リソース、ユーザタスク、環境、本質的なエージェントの振る舞いから生じるリスクをカバーしている。
  論文  参考訳（メタデータ） (2026-06-01T14:23:42Z)
• SecPI: Secure Code Generation with Reasoning Models via Security Reasoning Internalization [50.71047638695205]
  RLM(Reasoning Language Model)は、プログラミングにおいてますます使われている言語モデルである。 しかし、最先端のRLMでさえ、生成されたコードに重大なセキュリティ脆弱性を頻繁に導入する。 我々は、構造化されたセキュリティ推論を内部化するためのRTMを教える微調整パイプラインであるSecPIを提案する。
  論文  参考訳（メタデータ） (2026-04-04T04:29:11Z)
• Security Considerations for Artificial Intelligence Agents [7.055090485438426]
  この記事では、フロンティアAIエージェントのセキュリティに関するPerplexityの観察とレコメンデーションについて詳述する。 ツール、コネクタ、ホスティングバウンダリ、マルチエージェントコーディネートにアタックサーフェスをマップします。 我々は,NISTのリスク管理の原則に適合した安全マルチエージェントシステム設計の指針として,標準と研究ギャップを特定した。
  論文  参考訳（メタデータ） (2026-03-12T17:49:39Z)
• Inference-Time Safety For Code LLMs Via Retrieval-Augmented Revision [3.983997834693767]
  大規模言語モデル(LLM)は、高度なソフトウェア開発において、コード生成のためにますます多くデプロイされている。 LLMは、新しく発見された脆弱性やセキュリティ標準の変更に容易に適応できない。 本稿では,推論時安全機構として機能する設計による信頼に値するコード生成への原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2026-03-02T06:06:34Z)
• Constitutional Spec-Driven Development: Enforcing Security by Construction in AI-Assisted Code Generation [0.0]
  AIによる"バイブコーディング"は、迅速なソフトウェア開発を可能にするが、重大なセキュリティリスクをもたらす。 憲法仕様駆動開発(Constitutional Spec-Driven Development)は、非交渉可能なセキュリティ原則を仕様に組み込む方法論である。 憲法上の制約は、制約のないAI生成と比較してセキュリティ上の欠陥を73%削減することを示す。
  論文  参考訳（メタデータ） (2026-01-31T19:08:16Z)
• Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
  大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。 LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。 モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
  論文  参考訳（メタデータ） (2026-01-12T21:31:38Z)
• An Ontology-Based Approach to Security Risk Identification of Container Deployments in OT Contexts [1.826848871278733]
  OTコンテナのデプロイに対するセキュリティリスクの識別には、ハイブリッドIT/OTアーキテクチャや、ステークホルダの知識の断片化、継続的システム変更といった課題がある。 本稿では,CSRO(Container Security Risk Ontology)として実装されたモデルベースのアプローチを提案する。 CSROは、敵行動、コンテキスト仮定、アタックシナリオ、リスクアセスメントルール、コンテナセキュリティアーティファクトの5つの重要なドメインを統合している。
  論文  参考訳（メタデータ） (2026-01-07T15:20:19Z)
• Aspect-Oriented Programming in Secure Software Development: A Case Study of Security Aspects in Web Applications [0.0]
  本研究では,セキュアなソフトウェア開発におけるアスペクト指向プログラミング(AOP)の役割について検討する。 認証、認可、入力検証、暗号化、ロギング、セッション管理を含むAOPベースのセキュリティ機能の実装を比較します。 その結果、AOPは、最小パフォーマンスオーバーヘッドしか導入せず、モジュール性、再利用性、セキュリティメカニズムの保守性を向上することを示した。
  論文  参考訳（メタデータ） (2025-09-09T07:12:55Z)
• Secure Tug-of-War (SecTOW): Iterative Defense-Attack Training with Reinforcement Learning for Multimodal Model Security [63.41350337821108]
  マルチモーダル大規模言語モデル(MLLM)のセキュリティを高めるために,Secure Tug-of-War(SecTOW)を提案する。 SecTOWは2つのモジュールで構成される:ディフェンダーと補助攻撃者。どちらも強化学習(GRPO)を使用して反復的に訓練される。 SecTOWは、一般的な性能を維持しながら、セキュリティを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2025-07-29T17:39:48Z)
• Advancing Neural Network Verification through Hierarchical Safety Abstract Interpretation [52.626086874715284]
  我々は、安全でない出力の階層構造を検証する抽象的DNN検証と呼ばれる新しい問題定式化を導入する。 出力到達可能な集合に関する抽象的解釈と推論を活用することにより,形式的検証プロセスにおいて,複数の安全性レベルを評価することができる。 我々の貢献には、新しい抽象的安全性の定式化と既存のアプローチとの関係を理論的に探求することが含まれる。
  論文  参考訳（メタデータ） (2025-05-08T13:29:46Z)
• SeCodePLT: A Unified Platform for Evaluating the Security of Code GenAI [58.29510889419971]
  コード生成大型言語モデル(LLM)のセキュリティリスクと能力を評価するための既存のベンチマークは、いくつかの重要な制限に直面している。 手動で検証し、高品質なシード例から始める、汎用的でスケーラブルなベンチマーク構築フレームワークを導入し、ターゲット突然変異を通じて拡張する。 このフレームワークをPython、C/C++、Javaに適用すると、44のCWEベースのリスクカテゴリと3つのセキュリティ機能にまたがる5.9k以上のサンプルデータセットであるSeCodePLTが構築されます。
  論文  参考訳（メタデータ） (2024-10-14T21:17:22Z)

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。