Fugu-MT 論文翻訳(概要): Investigating The Security of Modern AI and Cloud Infrastructure

論文の概要: Investigating The Security of Modern AI and Cloud Infrastructure

arxiv url: http://arxiv.org/abs/2606.22237v1
Date: Sat, 20 Jun 2026 21:37:12 GMT
ステータス: 情報取得中
システム内更新日: 2026-06-23 14:39:55.915679
Title: Investigating The Security of Modern AI and Cloud Infrastructure
Title（参考訳）: 現代AIとクラウドインフラストラクチャのセキュリティ調査
Authors: Andrew Adiletta,
Abstract要約: Dissertationは、AIと現代的なクラウドインフラストラクチャに関するセキュリティ仮定を体系的に分解する。論文は、それぞれの抽象層の仮定を利用する実践的な攻撃を示すことで、そのギャップに対処する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The widespread deployment of Deep Neural Networks and Large Language Models (LLMs) relies on a foundational assumption of isolation that this dissertation challenges. This work systematically deconstructs security assumptions around AI and modern cloud infrastructure through a taxonomy of interaction levels that ranges from physical memory co-location to remote service interfaces. While significant research has addressed individual attack surfaces in isolation, the security community lacks a unified framework for reasoning about how physical, architectural, and algorithmic vulnerabilities manifest across the modern AI stack. This dissertation addresses that gap by demonstrating practical attacks that exploit assumptions at each layer of abstraction.
Abstract（参考訳）: Deep Neural NetworksとLarge Language Models(LLMs)の広範な展開は、この論文の課題である分離の基本的な前提に依存している。この作業は、物理的メモリのコロケーションからリモートサービスインターフェースに至るまで、インタラクションレベルの分類を通じて、AIと現代的なクラウドインフラストラクチャに関するセキュリティ仮定を体系的に分解する。重要な研究は個別の攻撃面を分離して対処してきたが、セキュリティコミュニティは、現在のAIスタック全体にわたって物理的、アーキテクチャ、アルゴリズム的脆弱性がどのように現れるのかを推論するための統一されたフレームワークを欠いている。この論文は、抽象化の各レイヤにおける仮定を利用する実践的な攻撃を示すことで、そのギャップに対処する。

関連論文リスト

Cognitive Threat Intelligence and Explainable Federated Security Analytics for distributed Infrastructure Systems [0.8496907566303933]
本研究では,分散インフラストラクチャシステムを対象とした認知脅威情報と説明可能なフェデレートセキュリティ分析フレームワークを提案する。提案するフレームワークは、フェデレートラーニング(FL)、説明可能な人工知能(XAI)、認知サイバーセキュリティ分析を統合し、協調的かつプライバシー保護のサイバー脅威検出を可能にする。インテリジェントな脅威分析を強化するため、フレームワークにはRandom Forest、XGBoost、Autoencoderといった機械学習とディープラーニングアルゴリズムが組み込まれている。
論文参考訳（メタデータ） (2026-06-04T04:41:53Z)
Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文参考訳（メタデータ） (2026-05-28T02:12:41Z)
Internet of Things Security: A Survey on Common Attacks [0.8045019043289878]
IoT(Internet of Things)は、スマートシティ、デジタルヘルス、Industrial 4.0など、さまざまな分野に接続デバイスを統合している。本稿では,IoTの脅威環境に関する包括的調査と分析を行う。 Man-in-the-Middleのような従来の脅威から、ノードレプリケーションやスキミングなど、特殊なIoTエクスプロイトまで、28の一般的な攻撃について説明している。
論文参考訳（メタデータ） (2026-05-05T13:29:22Z)
Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [168.50301366360344]
Embodied AI (Embodied AI) は、知覚、認知、計画、相互作用を、安全クリティカルな環境で機能するエージェントに統合する。デジタルAIシステムとは異なり、エンボディエージェントは不確実な検知、不完全な知識、動的な人間とロボットの相互作用の下で行動しなければならない。この調査は、エンボディされたAIにおける安全性研究の包括的なレビューを提供し、完全なエンボディされたパイプラインにわたる攻撃と防御を調査している。
論文参考訳（メタデータ） (2026-03-28T13:21:44Z)
Adaptive Cybersecurity Architecture for Digital Product Ecosystems Using Agentic AI [0.0]
本研究では,動的学習と文脈認識型意思決定が可能な自律目標駆動エージェントを提案する。行動ベースライン、分散リスクスコア、フェデレーションされた脅威情報共有は重要な特徴である。このアーキテクチャは、複雑なデジタルインフラストラクチャを保護するインテリジェントでスケーラブルな青写真を提供する。
論文参考訳（メタデータ） (2025-09-25T00:43:53Z)
A Systematic Survey of Model Extraction Attacks and Defenses: State-of-the-Art and Perspectives [65.3369988566853]
近年の研究では、敵が対象モデルの機能を複製できることが示されている。モデル抽出攻撃は知的財産権、プライバシー、システムのセキュリティに脅威をもたらす。本稿では,攻撃機構,防衛手法,計算環境に応じてMEAを分類する新しい分類法を提案する。
論文参考訳（メタデータ） (2025-08-20T19:49:59Z)
HSM and TPM Failures in Cloud: A Real-World Taxonomy and Emerging Defenses [0.0]
本稿では,クラウド環境におけるHSMとTPMの攻撃と侵入に関する包括的分析を行う。本稿では,実際のケーススタディと脅威情報レポートに基づく攻撃ベクトルの分類を提案し,ハードウェアトラストアンカーと動的クラウドエコシステムのギャップを浮き彫りにする。我々の発見は、クラウドベースの暗号化信頼を確保するには、階層化されたコンテキスト認識アプローチが必要であることを強調している。
論文参考訳（メタデータ） (2025-07-23T16:18:16Z)
Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
論文参考訳（メタデータ） (2025-05-12T02:04:37Z)
A Survey of Model Extraction Attacks and Defenses in Distributed Computing Environments [55.60375624503877]
モデル抽出攻撃(MEA)は、敵がモデルを盗み、知的財産と訓練データを公開することによって、現代の機械学習システムを脅かす。この調査は、クラウド、エッジ、フェデレーションのユニークな特性がどのように攻撃ベクトルや防御要件を形作るのかを、緊急に理解する必要に起因している。本研究は, 自動運転車, 医療, 金融サービスといった重要な分野において, 環境要因がセキュリティ戦略にどう影響するかを実証し, 攻撃手法と防衛機構の進化を系統的に検討する。
論文参考訳（メタデータ） (2025-02-22T03:46:50Z)
Survey of Vulnerabilities in Large Language Models Revealed by Adversarial Attacks [5.860289498416911]
大規模言語モデル(LLM)はアーキテクチャと能力において急速に進歩しています。複雑なシステムに深く統合されるにつれて、セキュリティ特性を精査する緊急性が高まっている。本稿では,LSMに対する対人攻撃の新たな学際的分野について調査する。
論文参考訳（メタデータ） (2023-10-16T21:37:24Z)

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。