Fugu-MT 論文翻訳(概要): Information flow security on persistent memory

論文の概要: Information flow security on persistent memory

arxiv url: http://arxiv.org/abs/2606.25422v1
Date: Wed, 24 Jun 2026 05:31:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-25 17:05:30.233326
Title: Information flow security on persistent memory
Title（参考訳）: 永続記憶における情報フローセキュリティ
Abstract要約: 我々は、単純なアセンブリ言語をモデル化する非構造化言語(つまり、ループではなくゴスを持つ)のための情報フローロジックを提供する。この論理をx86アセンブリに適用し,命令のメモリへの非順序伝播の可能性を推論する。
参考スコア（独自算出の注目度）: 2.6905021039717987
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Persistent memory is a recently proposed memory paradigm that delivers many system-wide benefits, including improved runtime efficiency and the ability of programs to recover from power outages and system crashes. While recent research has investigated techniques for proving functional correctness of programs running on related architectures, this is not the case for the orthogonal concept of information flow security. In this paper, we provide an information flow logic for an unstructured language (i.e., with gotos rather than loops) modelling a simple assembly language. We apply this logic to x86 assembly using a notion of reordering interference freedom (rif) to reason about potential out-of-order propagation of instructions to memory. We then show how this same notion of rif can be used to similarly reason about information flow on persistent memory.
Abstract（参考訳）: 永続メモリ(Persistent memory)は、最近提案されたメモリパラダイムで、ランタイム効率の改善や、プログラムが停電やシステムクラッシュから回復する能力など、システム全体のメリットを提供する。近年の研究では、関連するアーキテクチャ上で動作するプログラムの機能的正当性を証明する手法が研究されているが、情報フローセキュリティという直交的な概念はそうではない。本稿では、単純なアセンブリ言語をモデル化する非構造化言語(例えば、ループではなくゴスを持つ)に対して、情報フローロジックを提供する。この論理をx86アセンブリに適用し,命令のメモリへの非順序伝播の可能性を推論する。次に、同じリフの概念を用いて、永続化メモリ上の情報フローについても同様に推論できることを示す。

関連論文リスト

StreamEMS: Streaming Video Understanding with Self-Evolving Memory Scheme for Vision-Language Models [14.764143801328759]
本稿では,記憶に格納された履歴データを再構成することで,ストリーミングビデオ理解を改善するための一般的なメカニズムであるStreamEMSを提案する。まずセマンティック・エボリューション・モジュールを導入し、メモリをより情報密度の表現に進化させる。さらに、メモリをより堅牢な表現に進化させるために、事前インフォームド・エボリューション・モジュールを導入します。
論文参考訳（メタデータ） (2026-08-28T03:41:53Z)
A Modular Framework for Stack-Heap and Value Abstractions (Extended Version) [0.0]
高度な静的プログラム解析では、非自明なプログラムの振る舞いのセマンティクスを推論する必要がある。ほとんどのプログラミング言語では、静的および動的アロケーションは通常スタックとヒープによって管理される。解析中にスタックとヒープメモリを扱う汎用メモリフレームワークの提案と形式化を行う。
論文参考訳（メタデータ） (2026-07-17T13:18:18Z)
Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents [51.30250860677378]
本稿では,連想記憶グラフとアクティブな再構成機構を組み合わせたフレームワークであるMRAgentを提案する。 Cue-Tag-Contentグラフ上で実行することで,メモリアクセスに直接推論を統合する。 LoCoMoベンチマークとLongMemEvalベンチマークの実験は、強いベースラインよりも大幅に改善されている。
論文参考訳（メタデータ） (2026-06-04T11:29:46Z)
MemTrace: Tracing and Attributing Errors in Large Language Model Memory Systems [24.22940060094778]
LLMメモリシステムにおける誤り追跡と帰属の新たな問題について検討する。本稿では,メモリパイプラインを実行可能なメモリ進化グラフに変換する新しいフレームワークを提案する。次に、Long-Context、RAG、Mem0、EverMemOSといったメモリシステムから収集されたベンチマークであるMemTraceBenchを構築します。
論文参考訳（メタデータ） (2026-05-27T16:53:53Z)
MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
論文参考訳（メタデータ） (2026-05-27T06:04:19Z)
MemCompiler: Compile, Don't Inject -- State-Conditioned Memory for Embodied Agents [29.872311031034368]
本稿では,メモリ利用をステートコンディション・メモリ・コンパイルとして再構成するMemCompilerを提案する。 Across Alf World、EmbodiedBench、ScienceWorldでは、MemCompilerは無メモリよりも一貫して改善されている。
論文参考訳（メタデータ） (2026-05-08T11:07:04Z)
Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents [56.078070829341534]
メモリベースの自己進化は、コーディングエージェントにとって有望なパラダイムとして登場した。ヘテロジニアスドメインからの統一メモリプールを利用して、textbfMemory Transfer Learning (MTL) について検討する。
論文参考訳（メタデータ） (2026-04-15T15:50:29Z)
FlashMem: Distilling Intrinsic Latent Memory via Computation Reuse [4.210760734549566]
FlashMemは、計算再利用を通じて、過渡的推論状態から直接固有のメモリを蒸留するフレームワークである。実験によると、FlashMemは5倍の推論遅延を減らしながら、重いベースラインのパフォーマンスと一致している。
論文参考訳（メタデータ） (2026-01-09T03:27:43Z)
MemOS: A Memory OS for AI System [116.87568350346537]
大規模言語モデル(LLM)は、人工知能(AGI)にとって不可欠な基盤となっている。既存のモデルは、主に静的パラメータと短命なコンテキスト状態に依存しており、ユーザの好みを追跡したり、長い期間にわたって知識を更新する能力を制限する。 MemOSはメモリを管理可能なシステムリソースとして扱うメモリオペレーティングシステムである。
論文参考訳（メタデータ） (2025-07-04T17:21:46Z)
Graceful forgetting: Memory as a process [0.0]
有界メモリにおける感覚入力をどのように適合させるかを説明するための合理的な枠組みが提案されている。このフレームワークは、メモリに関する広範な知識を理解し、機能的および機械的用語におけるメモリの理解に近づけるための助けとなることを意図している。
論文参考訳（メタデータ） (2025-02-16T12:46:34Z)
Constant Memory Attention Block [74.38724530521277]
Constant Memory Attention Block (CMAB) は、新しい汎用アテンションブロックであり、その出力を一定メモリで計算し、一定計算で更新を実行する。提案手法は,メモリ効率を著しく向上しつつ,最先端技術と競合する結果が得られることを示す。
論文参考訳（メタデータ） (2023-06-21T22:41:58Z)
Kanerva++: extending The Kanerva Machine with differentiable, locally block allocated latent memory [75.65949969000596]
エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
論文参考訳（メタデータ） (2021-02-20T18:40:40Z)

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。