論文の概要: Policy-aware Vector Search: A Vision for Fine Grained Access Control in Vector Databases

• arxiv url: http://arxiv.org/abs/2606.19803v1
• Date: Thu, 18 Jun 2026 05:16:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.660095
• Title: Policy-aware Vector Search: A Vision for Fine Grained Access Control in Vector Databases
• Title（参考訳）: ポリシー対応ベクトル探索:ベクトルデータベースにおける微細粒度アクセス制御のビジョン
• Authors: Lakshmi Sahithi Yalamarthi, Primal Pappachan,
• Abstract要約: データアクセスがユーザ固有のポリシーに準拠することを保証するために必要とされるFGACは、現代のベクトルデータベースでは完全にサポートされない。 本稿では,ベクトルデータベースにおけるFGACポリシーモデルを定式化したポリシ対応ベクターサーチのビジョンと,施行問題について述べる。
• 参考スコア（独自算出の注目度）: 0.2750124853532832
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vector databases are increasingly used in security sensitive contexts with Retrieval Augmented Generation and organizational AI pipelines; however, their security capabilities remain limited. Specifically, Fine-grained Access Control (FGAC) which is required to ensure that data access adheres to user-specific policies is not fully supported in modern vector databases. Unlike relational databases, vector databases combine structured and unstructured attributes to provide semantic, approximate query results, which complicates FGAC implementation. This creates an inherent tension between enforcing FGAC policies correctly, achieving high ANN search recall and maintaining low query latency. In this paper, we present a vision for Policy-aware Vector Search by formalizing the FGAC policy model in vector databases as well as the enforcement problem. We compare various enforcement strategies, present preliminary findings, and identify key open challenges for future research in policy-aware vector search.
• Abstract（参考訳）: ベクトルデータベースは、Retrieval Augmented Generationや組織AIパイプラインなど、セキュリティに敏感な状況において、ますます使用されている。 具体的には、データアクセスがユーザ固有のポリシーに準拠することを保証するために必要となるFGACが、現代のベクトルデータベースでは完全にサポートされない。 リレーショナルデータベースとは異なり、ベクトルデータベースは構造化属性と非構造化属性を組み合わせて意味的、近似的なクエリ結果を提供し、FGACの実装を複雑にする。 これにより、FGACポリシを正しく実施し、高いANN検索リコールを実現し、クエリレイテンシを低く保つという、本質的に緊張関係が生まれる。 本稿では,ベクトルデータベースにおけるFGACポリシーモデルを定式化することによって,ポリシー対応ベクター探索のビジョンを示す。 我々は,政策対応ベクターサーチにおける様々な実施戦略,予備的知見,今後の研究の鍵となる課題について比較する。

関連論文リスト

• Retrieval Improvements Do Not Guarantee Better Answers: A Study of RAG for AI Policy QA [5.182285573627426]
  本稿では,AIガバナンスと規制アーカイブコーパスを用いて,AIガバナンスとポリシー分析へのRAGの適用について検討する。 コントラスト学習と人選好に適合したジェネレータを組み合わせることで,ColBERTをベースとした検索システムを構築した。 ドメイン固有の微調整は、検索指標を改善するが、エンドツーエンドの質問応答性能は一貫して改善しない。
  論文  参考訳（メタデータ） (2026-03-25T17:54:39Z)
• Keyword search is all you need: Achieving RAG-Level Performance without vector databases using agentic tool use [9.40327907592148]
  Retrieval-Augmented Generation (RAG) は、既存の知識ベースに基づいて、正確なコンテキストベースの応答を生成するのに有効であることが証明されている。 近年のエージェントRAGとツール拡張LDMアーキテクチャは,情報検索と処理に新たなアプローチを導入している。
  論文  参考訳（メタデータ） (2025-12-19T20:15:30Z)
• Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
  そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。 提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-19T16:46:11Z)
• Analyzing and Internalizing Complex Policy Documents for LLM Agents [53.14898416858099]
  大規模言語モデル(LLM)ベースのエージェントシステムは、多様なビジネスルールをコードするコンテキスト内ポリシー文書に依存している。 これは、パフォーマンスを保ちながら、ポリシー文書をモデルプリエントに組み込む内部化手法の開発を動機付けます。 CC-Genは4つのレベルにまたがる制御可能な複雑度を持つエージェントベンチマークジェネレータである。
  論文  参考訳（メタデータ） (2025-10-13T16:30:07Z)
• Adapting Vision-Language Models Without Labels: A Comprehensive Survey [74.17944178027015]
  VLM(Vision-Language Models)は、幅広いタスクにまたがる顕著な一般化機能を示す。 近年,ラベル付きデータに依存しない教師なし適応手法に注目が集まっている。 本稿では,未ラベルの視覚データの可用性と性質に基づく分類法を提案し,既存のアプローチを4つの重要なパラダイムに分類する。
  論文  参考訳（メタデータ） (2025-08-07T16:27:37Z)
• On Automating Security Policies with Contemporary LLMs [3.47402794691087]
  本稿では、テキスト内学習と検索強化生成(RAG)の革新的組み合わせにより、攻撃緩和ポリシーコンプライアンスを自動化するフレームワークを提案する。 STIXv2 フォーマットと Windows API ドキュメントで公開されている CTI ポリシを用いて実施した実証評価では,RAG ベースラインに比べて精度,リコール,F1 スコアの大幅な向上が示されている。
  論文  参考訳（メタデータ） (2025-06-05T09:58:00Z)
• FRAG: Toward Federated Vector Database Management for Collaborative and Secure Retrieval-Augmented Generation [1.3824176915623292]
  本稿では,検索集約システム (RAG) のニーズの増大に対応する新しいデータベース管理パラダイムである textitFederated Retrieval-Augmented Generation (FRAG) を紹介する。 FRAGは、ANN(Approximate $k$-Nearest Neighbor)による、暗号化されたクエリベクタと分散ベクトルデータベースに格納された暗号化データ検索を相互に行うことができる。
  論文  参考訳（メタデータ） (2024-10-17T06:57:29Z)
• Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning [62.81324245896717]
  我々はC-PGと呼ばれる探索非依存のアルゴリズムを導入し、このアルゴリズムは(弱)勾配支配仮定の下でのグローバルな最終点収束を保証する。 制約付き制御問題に対して,我々のアルゴリズムを数値的に検証し,それらを最先端のベースラインと比較する。
  論文  参考訳（メタデータ） (2024-07-15T14:54:57Z)
• Comparison of Access Control Approaches for Graph-Structured Data [0.0]
  グラフ構造化データは、その複雑な構造のために高度な、柔軟な、きめ細かいアクセス制御を必要とする。 いくつかの研究は、プロパティグラフ構造データ保護、きめ細かいアクセス制御、そしてそれらの概念の実現可能性と適用性を証明することに焦点を当てている。 我々は,近年のデータベースモデルに加えて,さまざまなデータベースモデルの認証とアクセス制御に関する体系的な文献レビューから,論文を選択する。
  論文  参考訳（メタデータ） (2024-05-31T12:31:05Z)
• Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach [61.74489383629319]
  新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。 閉ループアクセス制御の強化学習(RL)支援方式を提案する。 深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
  論文  参考訳（メタデータ） (2023-03-05T12:25:49Z)
• Benchmarks for Deep Off-Policy Evaluation [152.28569758144022]
  我々は,政策外の評価のベンチマークに使用できるポリシーの集合を提案する。 私たちのベンチマークの目標は、一連の原則から動機付けられた進歩の標準化された尺度を提供することです。 この領域における今後の研究を促進するために、当社のデータとコードに対するオープンソースアクセスを提供しています。
  論文  参考訳（メタデータ） (2021-03-30T18:09:33Z)

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。