Fugu-MT 論文翻訳(概要): Execution-bound advisory automation for agentic AI: a reproducible AIBOM-driven CSAF-VEX framework

論文の概要: Execution-bound advisory automation for agentic AI: a reproducible AIBOM-driven CSAF-VEX framework

arxiv url: http://arxiv.org/abs/2606.19390v1
Date: Tue, 16 Jun 2026 11:42:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-19 18:23:39.438154
Title: Execution-bound advisory automation for agentic AI: a reproducible AIBOM-driven CSAF-VEX framework
Title（参考訳）: エージェントAIのための実行バウンドアドバイザリ自動化 - 再現可能なAIBOM駆動型CSAF-VEXフレームワーク
Authors: Petar Radanliev, Omar Santos, Carsten Maple, Kay Atefi,
Abstract要約: プロトコル駆動フレームワークは、SBOMとAIBOMのアーティファクトを決定論的環境キャプチャと構造化ランタイムテレメトリに結合する。爆発性は、宣言された成果物、観察されたアクティベーション条件、強制された実行ポリシーから計算される。
参考スコア（独自算出の注目度）: 11.812618112854116
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A protocol driven framework is presented that binds SBOM and AIBOM artefacts to deterministic environment capture and structured runtime telemetry. Exploitability is computed from declared artefacts, observed activation conditions, and enforced execution policies. CSAF VEX advisories are generated from combined static and runtime evidence, cryptographically signed, and validated through deterministic replay. Evaluation uses approximately 10000 component entries across synthetic Agentic AI workloads 50 to 5000 components, incorporating OSV, GitHub Advisory, KEV, and EPSS datasets.
Abstract（参考訳）: SBOMおよびAIBOMアーティファクトを決定論的環境キャプチャと構造化ランタイムテレメトリにバインドするプロトコル駆動フレームワークが提示される。爆発性は、宣言された成果物、観察されたアクティベーション条件、強制された実行ポリシーから計算される。 CSAF VEXアドバイザリは静的エビデンスと実行時エビデンスの組み合わせから生成され、暗号的に署名され、決定論的リプレイによって検証される。評価にはOSV、GitHub Advisory、KEV、EPSSデータセットが組み込まれている。

関連論文リスト

ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving [56.96697737229895]
リアクティブ能力は、自律運転シミュレーションシステムのためのデータ駆動行動世界モデルシミュレータの重要な特性である。本稿では,自律運転における行動世界モデルシミュレーションの反応性を評価するためのReactSim-Benchを紹介する。
論文参考訳（メタデータ） (2026-06-12T03:11:06Z)
Towards Security-Auditable LLM Agents: A Unified Graph Representation [22.355591892994642]
本稿ではエージェントセキュリティ監査のための統合構造表現であるエージェントBOMを提案する。エージェントBOMは、クロスセッションメモリ中毒やツール誤用など、ステルス攻撃チェーンを再構築できることを示す。 Agent-BOMは複雑なエージェントエコシステムにおける根本原因分析とセキュリティ適応のための統一的で監査可能な基盤を提供する。
論文参考訳（メタデータ） (2026-05-07T18:14:29Z)
Autogenesis: A Self-Evolving Agent Protocol [60.15939127351914]
本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。本稿では,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精錬する自己進化型マルチエージェントシステムAGSを提案する。
論文参考訳（メタデータ） (2026-04-16T14:04:06Z)
Benchmarks for Trajectory Safety Evaluation and Diagnosis in OpenClaw and Codex: ATBench-Claw and ATBench-CodeX [54.138213405601896]
ATBenchは、安全性評価と診断のための多彩で現実的なエージェント軌跡ベンチマークである。このレポートでは、ATBenchをOpenClawとOpenAI Codex/Codex実行環境に移植する2つのドメインカスタマイズエクステンションであるATBench-ClawとATBench-CodeXを紹介します。
論文参考訳（メタデータ） (2026-04-16T10:45:13Z)
AutoMOOSE: An Agentic AI for Autonomous Phase-Field Simulation [0.0]
AutoMOOSEは、ひとつの自然言語プロンプトから完全なシミュレーションライフサイクルを編成するエージェントフレームワークである。 MOOSEの入力ファイルは、人間の専門家参照と正確に一致する12のブロックのうち6つで、機能的に等価である。インテント、有限要素実行、そして人間による検証のないアレニウス運動論にまたがる、エンドツーエンドの物理的整合性チェックを実行する。
論文参考訳（メタデータ） (2026-03-22T00:11:19Z)
SBOMs into Agentic AIBOMs: Schema Extensions, Agentic Orchestration, and Reproducibility Evaluation [11.812618112854116]
ソフトウェアサプライチェーンのセキュリティには、動的実行条件下での脆弱性評価をサポートするプロビデンスメカニズムが必要である。本稿では,AIBOM(Agenic Artificial Intelligence Bills of Materials)を紹介する。 i)ベースライン環境再構築剤(MCP)、(ii)ランタイム依存性およびドリフト監視剤(A2A)、(iii)ポリシー対応脆弱性とVEX推論剤(AGNTCY)からなるマルチエージェントアーキテクチャに基づくエージェントAIBOMフレームワークを提案する。
論文参考訳（メタデータ） (2026-03-09T19:11:45Z)
AGAPI-Agents: An Open-Access Agentic AI Platform for Accelerated Materials Design on AtomGPT.org [0.8093011368737527]
AGAPI(AtomGPT.org API)は、8以上のオープンソースと20以上のマテリアルサイエンスAPIエンドポイントを統合するオープンアクセスエージェントAIプラットフォームである。我々は、ヘテロ構造の構築、粉末X線回折分析、半導体欠陥工学を含む、エンドツーエンドの構築を通してAGAPIを実証する。 1000人以上のアクティブユーザを抱えるAGAPIは、再現可能でAIが加速する材料発見のための、スケーラブルで透明な基盤を提供する。
論文参考訳（メタデータ） (2025-12-12T06:28:28Z)
AI Bill of Materials and Beyond: Systematizing Security Assurance through the AI Risk Scanning (AIRS) Framework [31.261980405052938]
人工知能(AI)システムの保証は、ソフトウェアサプライチェーンセキュリティ、敵機械学習、ガバナンスドキュメントに分散している。本稿では,AI保証の運用を目的とした脅威モデルに基づくエビデンス発生フレームワークであるAI Risk Scanning(AIRS)フレームワークを紹介する。
論文参考訳（メタデータ） (2025-11-16T16:10:38Z)
What Limits Virtual Agent Application? OmniBench: A Scalable Multi-Dimensional Benchmark for Essential Virtual Agent Capabilities [56.646832992178105]
我々は、制御可能な複雑性のタスクを合成するための自動パイプラインを備えたクロスプラットフォームグラフベースのベンチマークであるOmniBenchを紹介した。 OmniEvalは、サブタスクレベルの評価、グラフベースのメトリクス、および10機能にわたる包括的なテストを含む多次元評価フレームワークである。我々のデータセットには、20のシナリオにわたる36万のグラフ構造化タスクが含まれており、人間の受け入れ率は91%に達する。
論文参考訳（メタデータ） (2025-06-10T15:59:38Z)
Commit0: Library Generation from Scratch [77.38414688148006]
Commit0は、AIエージェントにスクラッチからライブラリを書くよう促すベンチマークである。エージェントには、ライブラリのAPIを概説する仕様文書と、インタラクティブなユニットテストスイートが提供されている。 Commit0はまた、モデルが生成したコードに対して静的解析と実行フィードバックを受け取る、インタラクティブな環境も提供する。
論文参考訳（メタデータ） (2024-12-02T18:11:30Z)
Toward General Instruction-Following Alignment for Retrieval-Augmented Generation [63.611024451010316]
Retrieval-Augmented Generation (RAG) システムの効果的な適用には、自然な指示に従うことが不可欠である。 RAGシステムにおける命令追従アライメントのための,最初の自動化,拡張性,検証可能な合成パイプラインであるVIF-RAGを提案する。
論文参考訳（メタデータ） (2024-10-12T16:30:51Z)

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。