論文の概要: Quantifying Compromise Risk in Exceptional Access Architectures Under Sparse and Indirect Evidence

• arxiv url: http://arxiv.org/abs/2606.19106v1
• Date: Wed, 17 Jun 2026 14:18:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.198676
• Title: Quantifying Compromise Risk in Exceptional Access Architectures Under Sparse and Indirect Evidence
• Title（参考訳）: スパースおよび間接的証拠下における例外アクセスアーキテクチャの妥協リスクの定量化
• Authors: Alan Woodward,
• Abstract要約: 本稿では、例外アクセスシステムにおけるシステム的妥協リスクを評価するための構造的不確実性フレームワークを構築する。 これは、証拠が支持できない予測予測を生成せず、校正に依存する仮定に頑健な結果を分離する。 このフレームワークは、予測される害ではなく妥協確率を定量化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Lawful exceptional access (EA) systems hold the cryptographic keys that decrypt protected communications for authorised parties. The debate over their risks has been long and qualitative, complicated by two problems: no public dataset of EA-specific compromise events exists, so assessment must use sparse, indirect evidence; and prior work has treated structurally different designs as equivalent, though transmission-layer EA in carrier infrastructure (T-EA) and over-the-top EA at the platform layer (OTT-EA) differ in how cryptographic keys relate to ciphertext data. This paper builds a structured uncertainty framework for evaluating systemic compromise risk in EA architectures. It does not produce predictive forecasts, which the evidence cannot support; it separates findings robust to assumptions from those that depend on calibration. Four analytical layers are applied to T-EA and OTT-EA: three empirical pillars (historical analogues, a Monte Carlo scenario layer, a channel-independence decomposition) plus a Bayesian Structural Risk Model on a parallel-subgraph attack graph. The central findings are structural. First, EA-equipped architectures of either class carry strictly higher modelled risk than their no-EA counterfactual, an ordering independent of calibration. Second, the classes differ in distribution shape: T-EA risk is dominated by central tendency, OTT-EA by the tail under correlated campaigns. Third, calibration-conditional annual probability ranges span 1.4% to 12.9% for T-EA across the structured-judgement targeting-premium interval. Over multi-decade horizons, cumulative compromise is well above zero; key-material exfiltration is irreversible, weighing heavily on OTT-EA's larger user populations. The framework quantifies compromise probability, not expected harm; consequence modelling and benefit estimation are outside its scope.
• Abstract（参考訳）: 法的な例外アクセス(EA)システムは、認証された当事者のための保護された通信を復号する暗号鍵を保持する。 EA固有の妥協イベントの公開データセットは存在しないため、アセスメントはスパースで間接的な証拠を使用しなければならない; 以前の研究では、キャリアインフラストラクチャ(T-EA)におけるトランスミッション層EAと、プラットフォーム層(OTT-EA)におけるオーバーザザトップEAは、暗号鍵が暗号データとどのように関連しているかが異なるが、構造的に異なる設計を同等に扱わなければならない。 本稿では、EAアーキテクチャにおけるシステム的妥協リスクを評価するための構造的不確実性フレームワークを構築する。 証拠が支持できない予測予測は発生しない; キャリブレーションに依存するものとは、仮定に頑健な結果を分離する。 T-EAとTT-EAには4つの分析層が適用される: 3つの経験的柱(歴史的類似、モンテカルロシナリオ層、チャネル独立性分解)と平行グラフ攻撃グラフ上のベイズ構造リスクモデルである。 中心的な発見は構造的です。 第一に、いずれのクラスのEA搭載アーキテクチャは、非EA対応アーキテクチャよりも厳密にモデル化されたリスクを持ち、キャリブレーションとは無関係である。 第2に,T-EAリスクは中央傾向,OTT-EAは尾部が相関する運動によって支配される。 第3に、キャリブレーション条件の年次確率はT-EAの1.4%から12.9%である。 キー素材の浸透は不可逆であり、OTT-EAのより大きなユーザー人口に重きを置いている。 このフレームワークは、予測される害ではなく妥協確率を定量化する。

関連論文リスト

• Harnessing Structural Context for Entity Alignment Foundation Models [47.50117201618907]
  本稿では、転送可能なEAのための拡張エンコーダデコーダフレームワークであるContextEAを紹介する。 エンコーダ側では、2つのKGをアンカーブリッジと統一し、より早い関係対応のクロスグラフ伝搬を行うクロスKGインタラクションエンコーダを導入する。 デコーダ側では、アライメントスコアをエンティティレベル、近傍レベル、関係レベル、アンカーレベルの構造証拠と校正する構造校正デコーダを導入する。
  論文  参考訳（メタデータ） (2026-06-04T12:57:36Z)
• The Payment Heterogeneity Index: An Integrated Unsupervised Framework for High-Volume Procurement Oversight and Decision Support [0.0]
  本稿では,1次元サンプルの複合統計量である構造異質度指数(SHI)とその支払い固有インスタンス化である支払い異質度指数(PHI)を紹介する。 4つの解釈可能な成分(モジュラリティ、非対称性、尾の挙動、構造的分散)が組み込まれている。 英国の自治体の調達データに適用されるPHIは、構造的に異なる支払いパターンを持つ経済的に重要なコホートを識別する。
  論文  参考訳（メタデータ） (2026-05-09T20:59:29Z)
• EA-Agent: A Structured Multi-Step Reasoning Agent for Entity Alignment [18.328937183667396]
  我々は、エンティティアライメント(EA)のための推論駆動エージェントである textbfEA-Agent を提案する。 EA-Agentは、EAを多段階の計画と実行を伴う構造化推論プロセスとして定式化し、解釈可能なアライメント決定を可能にします。 3つのベンチマークデータセットの実験結果は、EA-Agentが既存のEAメソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-04-13T16:30:08Z)
• PRISM Risk Signal Framework: Hierarchy-Based Red Lines for AI Behavioral Risk [3.7184769644515896]
  AI安全性に対する現在のアプローチでは、特定のプロンプト、特定のアウトプット、特定の害など、ケースレベルでレッドラインを定義している。 この記事では、AI推論を管理する価値、エビデンス、ソース階層のレベルにおいて、赤い線をより根本的に設定できる、と論じる。
  論文  参考訳（メタデータ） (2026-04-13T06:50:23Z)
• The Digital Twin Counterfactual Framework: A Validation Architecture for Simulated Potential Outcomes [0.0]
  Digital Twin Counterfactual Framework (DTCF) 五段階検証アーキテクチャは、シミュレーターが正しい反事実を生成できるという不当な主張を、観測可能なデータに対する偽証可能なテストに変換する。 分解は因果量から極端に検証されるものへと分離する。 共同因果関係の主張は明示的な前提付きとなる。
  論文  参考訳（メタデータ） (2026-04-01T19:04:15Z)
• Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
  オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。 ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
  論文  参考訳（メタデータ） (2026-01-20T06:42:56Z)
• Cracking IoT Security: Can LLMs Outsmart Static Analysis Tools? [1.8549313085249322]
  本研究は,多カテゴリー間相互作用脅威分類におけるLarge Language Models (LLMs) の総合評価を初めて行った。 Llama 3.1 8B, Llama 70B, GPT-4o, Gemini-2.5-Pro, DeepSeek-R1を0, 1, 2ショット設定でベンチマークする。 以上の結果から, LLMは有望な意味理解を示すが, 相互構造的推論を必要とする脅威に対して, 精度は著しく低下することがわかった。
  論文  参考訳（メタデータ） (2026-01-02T04:17:36Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
  本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。 我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
  論文  参考訳（メタデータ） (2024-06-04T04:43:30Z)
• Diagnosing and Rectifying Fake OOD Invariance: A Restructured Causal Approach [51.012396632595554]
  不変表現学習(IRL)は、不変因果的特徴から環境から切り離されたラベルへの予測を促進する。 最近の理論的結果は、IRLによって回復されたいくつかの因果的特徴は、訓練環境ではドメイン不変のふりをするが、目に見えない領域では失敗する。 本研究では,RS-SCMに関する条件付き相互情報に基づく手法を開発し,その効果を巧みに補正する。
  論文  参考訳（メタデータ） (2023-12-15T12:58:05Z)
• Provable Unrestricted Adversarial Training without Compromise with Generalizability [44.02361569894942]
  敵の攻撃から守るための最も有望な戦略として、敵の訓練(AT)が広く考えられている。 既存のAT法は、標準的な一般化性を犠牲にして、しばしば敵の強靭性を達成している。 我々はProvable Unrestricted Adversarial Training (PUAT)と呼ばれる新しいATアプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-22T07:45:51Z)

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。