論文の概要: From Legacy Documentation to OSCAL: An MCP-Based Agent Pipeline for Threat-Informed Continuous Compliance in Critical Infrastructure
- arxiv url: http://arxiv.org/abs/2607.08288v1
- Date: Thu, 09 Jul 2026 09:32:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.491527
- Title: From Legacy Documentation to OSCAL: An MCP-Based Agent Pipeline for Threat-Informed Continuous Compliance in Critical Infrastructure
- Title（参考訳）: レガシードキュメンテーションからOSCALへ: 危機的インフラにおける脅威に富んだ継続的コンプライアンスのためのMPPベースのエージェントパイプライン
- Abstract要約: 本稿では,継続的自動コンプライアンス管理のための非侵襲的マルチエージェントパイプラインを提案する。
このアーキテクチャは、権威的な脅威・知性ソースに対する決定論的知識検索からLLMベースの推論を分離する。
水利事業のエビデンスに基づく合成シナリオでは、パイプラインは0.90CVEリコールと完全なD3FENDリコールを達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In critical infrastructure, operational technology environments often cannot be actively scanned, and yet active system feedback is needed for risk assessment and compliance. This paper presents a non-invasive, MCP-grounded multi-agent pipeline that converts natural-language system descriptions into source-verified knowledge graph and audit-ready artifacts in the NIST OSCAL format for continuous automated compliance management. The architecture decouples LLM-based reasoning from deterministic knowledge retrieval against authoritative threat-intelligence sources, reducing the risk of fabricated vulnerabilities and hallucinated attack paths. In an evidence-based synthetic scenario of a water utility, the pipeline achieves 0.90 CVE recall and perfect D3FEND recall. It generates a schema-valid OSCAL System Security Plan and an OSCAL Security Assessment Report. Nevertheless, the core insight is not that grounding via MCP eliminates errors (e.g., hallucinations) entirely from the pipeline, but that it shifts errors into the first phase of asset extraction from the natural language description. Here, a single incorrectly extracted entity can lead to genuine but irrelevant CVEs in subsequent stages of the pipeline, which consumes time and resources. However, it makes the remaining risk visible, verifiable, and suitable for a time-efficient manual review, since the infrastructure (e.g., version numbers, OS, etc.) is typically known.
- Abstract（参考訳）: 重要なインフラでは、運用技術環境を積極的にスキャンすることはできないが、リスク評価やコンプライアンスにはアクティブなシステムフィードバックが必要である。
本稿では,非侵襲的なマルチエージェントパイプラインを提案する。このパイプラインは,自然言語によるシステム記述を,NIST OSCALフォーマットの知識グラフや監査可能なアーティファクトに変換することで,継続的自動コンプライアンス管理を実現する。
このアーキテクチャは、信頼できる脅威知能源に対する決定論的知識検索からLCMベースの推論を分離し、製造された脆弱性のリスクを低減し、攻撃経路を幻覚させる。
水利事業のエビデンスに基づく合成シナリオでは、パイプラインは0.90CVEリコールと完全なD3FENDリコールを達成する。
OSCALシステムセキュリティプランとOSCALセキュリティアセスメントレポートを生成する。
それでも、MCPによる接地はパイプラインからエラー(例えば幻覚)を完全に排除するだけでなく、自然言語記述からのアセット抽出の第1フェーズにエラーをシフトする、というのが中核的な洞察である。
ここでは、1つの誤った抽出されたエンティティがパイプラインの次の段階で真に無関係なCVEにつながり、時間とリソースを消費する。
しかし、インフラストラクチャ(例えば、バージョン番号、OSなど)は一般的に知られているので、残りのリスクを可視化し、検証し、時間効率の良い手作業によるレビューに適している。
関連論文リスト
- AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。
本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
論文 参考訳（メタデータ） (2026-08-26T11:48:38Z) - Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - Large Language Models in Misinformation Ecosystems: Misuse, Defense, and Vulnerability [65.56750741053266]
大規模言語モデル(LLM)は、誤情報をコンテンツ中心の問題からより広範なエコシステムレベルのセキュリティ課題に転換した。
本稿では,これらのリスクと防御を統一する役割層フレームワークを提案する。
この役割はLLMを攻撃者、ディフェンダー、検証システムの脆弱なコンポーネントとして特徴づけ、層次元はコンテンツ、社会的コンテキスト、エビデンス環境、検証をカバーしている。
論文 参考訳（メタデータ） (2026-07-11T17:04:17Z) - OpenAnt: LLM-Powered Vulnerability Discovery Through Code Decomposition, Adversarial Verification, and Dynamic Testing [0.0]
本稿では,オープンソースの脆弱性発見システムOpenAntを紹介する。
静的プログラム解析とLLMベースの推論を多段階パイプラインに統合する。
OpenAntはApache 2.0ライセンスの下でオープンソースとしてリリースされた。
論文 参考訳（メタデータ） (2026-06-17T14:56:04Z) - Securing LLM Agents Need Intent-to-Execution Integrity [49.490963596514185]
我々は, LLMエージェントの確保には, エージェントの実行がユーザの意図を忠実に反映した場合に規定するエンドツーエンドの正当性を定義する必要があると主張している。
LLMエージェントはコンパイラと構造的に類似しており、セキュリティ違反はユーザ意図を保存しない誤った実行に対応する。
emphTool整合性、emph命令整合性、emphJudgment整合性、emphData整合性。
論文 参考訳（メタデータ） (2026-05-16T12:53:31Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - DEPTEX: Organization-First, Open Source Dependency Risk Monitoring [3.491982408677679]
Deptexは、サプライチェーンのリスクを創発的なものとして扱う、組織初のグラフベースのプラットフォームである。
私たちは、サプライチェーンのリスクを創発的に扱う組織ファーストのグラフベースのプラットフォームであるDeptexを紹介します。
論文 参考訳（メタデータ） (2026-04-30T19:54:25Z) - Ghost in the Agent: Redefining Information Flow Tracking for LLM Agents [9.294569080311442]
本稿では,自律型大規模言語モデル(LLM)エージェントに適した,初の総合的なテナント追跡フレームワークであるNeuroTaintを紹介する。
我々の重要な洞察は、LLMエージェントにおけるテント伝播は、明示的なコンテンツ転送だけでなく、意味変換、決定への因果的影響、メモリを介した断続的永続性として理解されなければならないということである。
NeuroTaintは実行トレースをオフラインにして、信頼できないソースからセマンティックエビデンス、因果推論、永続的なコンテキストトラッキングを使用して特権的なシンクまで、実績を再構築する。
論文 参考訳（メタデータ） (2026-04-25T16:39:16Z) - Attesting LLM Pipelines: Enforcing Verifiable Training and Release Claims [2.0403981727850233]
現代の大規模言語モデル(LLM)システムは、事前トレーニングされた重み付け、微調整アダプタ、データセット、依存関係パッケージ、コンテナイメージといったサードパーティの成果物から組み立てられている。
このスピードには、妥協された依存関係、悪意のあるハブアーティファクト、安全でないデフォールト化、偽造された前兆、バックドアモデルなど、サプライチェーンのリスクが伴う。
本稿では,信頼された環境にアーティファクトが認められる前に,クレームエビデンスを検証し,安全なローディングと静的スキャンポリシーを適用し,セキュアなシリアル配置制約を適用した,証明対応のプロモーションゲートを提案する。
論文 参考訳（メタデータ） (2026-03-30T20:37:48Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - 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) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z)
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。