Fugu-MT 論文翻訳(概要): Antiproof: Synthesizing Vulnerability Detectors and Proofs of Exploitability

論文の概要: Antiproof: Synthesizing Vulnerability Detectors and Proofs of Exploitability

arxiv url: http://arxiv.org/abs/2607.12316v1
Date: Tue, 14 Jul 2026 03:45:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-15 17:08:30.023051
Title: Antiproof: Synthesizing Vulnerability Detectors and Proofs of Exploitability
Title（参考訳）: 防腐対策 : 脆弱性検出器の合成と爆発性証明
Abstract要約: 防腐はエンドツーエンドの脆弱性発見システムである。ニューロシンボリック・ディテクターの合成とハイリコールによる発見と、自動検証のための露光性証明オークルを組み合わせる。
参考スコア（独自算出の注目度）: 35.80564016150111
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Discovering vulnerabilities before attackers exploit them requires high recall and reliable automatic validation, but existing approaches struggle to achieve both without prohibitive cost. We present Antiproof, an end-to-end vulnerability discovery system that combines neuro-symbolic detector synthesis for high-recall discovery with proof-of-exploitability oracles for automatic validation. Antiproof learns and iteratively refines static detectors from vulnerability datasets, then validates candidates by verifying whether executable proofs demonstrate concrete attacker capabilities. Evaluated on BountyBench and our curated KEVBench dataset, Antiproof detects 64 of 66 vulnerabilities, improving recall by more than 60 percentage points over static-analysis and neuro-symbolic baselines. In a scan of 50 widely deployed systems, Antiproof uncovered several hundred previously unknown vulnerabilities. We are responsibly disclosing all confirmed zero-days and have received 12 CVE assignments to date, including remote code execution vulnerabilities in Ray, SGLang, vLLM, and LiteLLM that could allow attackers to take over LLM training and inference systems.
Abstract（参考訳）: 攻撃者が悪用する前に脆弱性を発見するには、高いリコールと信頼性の高い自動検証が必要だが、既存のアプローチは、禁忌なコストなしで両方を達成するのに苦労している。本稿では,ニューロシンボリック・ディテクターの合成をハイリコール・ディスカバリと自動バリデーションのためのエビデンス・オブ・エクスプロイタビリティ・オークルを組み合わせた,エンドツーエンドの脆弱性発見システムであるAntiproofを提案する。脆弱性データセットから静的検出を学習し、反復的に洗練し、実行可能証明が具体的な攻撃能力を実証するかどうかを検証することによって、候補を検証する。 BountyBenchと私たちが収集したKEVBenchデータセットに基づいて評価し、Antproofは66の脆弱性のうち64点を検出し、静的分析と神経シンボリックベースラインに対するリコールを60ポイント以上改善した。広くデプロイされた50のシステムのスキャンで、アンチプロテクションは数百の既知の脆弱性を発見した。 Ray、SGLang、vLLM、LiteLLMのリモートコード実行脆弱性により、攻撃者がLLMトレーニングと推論システムを引き継ぐことができるようになります。

関連論文リスト

Combating Knowledge Corruption in Agent Systems: A Byzantine-Tolerant Secure Collaborative RAG Framework [61.79960727298522]
ビザンチン耐性協調RAGフレームワークSecureCollaRAGを提案する。提案手法により,エージェントシステムは動的GNNによる信頼性スコアリングにより,文書の証明を確実に行うことができる。本研究では,SecureCollaRAGが非IIDデータ配信における攻撃者に対する堅牢性を維持していることを示す。
論文参考訳（メタデータ） (2026-08-05T02:13:37Z)
ALIBI: Adaptive Agentic Attacks on LLM-Based Vulnerability Detectors via Adversarial Code Comments [12.021872048536766]
大きな言語モデルは、脆弱性検出やコードレビューといったセキュリティに敏感なタスクに対して、ますますデプロイされている。ソースコードに埋め込まれた自然言語コンテキストへの依存は、これまで探索されていなかったアタックサーフェスを露呈する。本稿では,自動適応ブラックボックス攻撃フレームワークであるALIBIについて述べる。
論文参考訳（メタデータ） (2026-07-27T18:13:28Z)
Decoupling Reconnaissance and Exploitation: Measuring the Capability Boundaries of LLM-Based Web Penetration Testing [8.293465530619246]
本稿では,2段階の非結合評価フレームワークを提案する。我々は、マルチエージェント、モノリシック、グラフ駆動アーキテクチャをカバーする、オープンソースの5つの浸透試験エージェントを実証的に評価する。
論文参考訳（メタデータ） (2026-06-24T02:51:58Z)
SecureForge: Finding and Preventing Vulnerabilities in LLM-Generated Code via Prompt Optimization [61.91729298584227]
SecureForgeは、フロンティアモデルのセキュリティリスクを監査し、監査インフォームされたセキュアなシステムプロンプトを生成する自動化パイプラインである。 SecureForgeは、まず静的に検出可能な脆弱性を生成する良性プロンプトを特定し、その後、さまざまなシナリオの大規模な合成プロンプトコーパスに増幅する。フロンティアモデルでは、SecureForgeは、ユニットテストの成功と出力セキュリティの両方において統計的に有意な改善をもたらし、出力脆弱性は最大48%削減された。
論文参考訳（メタデータ） (2026-05-08T18:40:47Z)
ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。 ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
論文参考訳（メタデータ） (2026-01-15T08:23:38Z)
Automated Red-Teaming Framework for Large Language Model Security Assessment: A Comprehensive Attack Generation and Detection System [4.864011355064205]
本稿では,大規模言語モデル(LLM)におけるセキュリティ脆弱性を明らかにするための,敵のプロンプトを生成し,実行し,評価する自動リピートフレームワークを提案する。本フレームワークは,メタプロンプトに基づく攻撃合成,マルチモーダル脆弱性検出,および6つの主要な脅威カテゴリにまたがる標準化された評価プロトコルを統合する。 GPT-OSS-20Bモデルの実験では、21の重大度と12の新たな攻撃パターンを含む47の異なる脆弱性が明らかになった。
論文参考訳（メタデータ） (2025-12-21T19:12:44Z)
From Attack Descriptions to Vulnerabilities: A Sentence Transformer-Based Approach [0.39134914399411086]
本稿では,攻撃のテキスト記述から脆弱性を自動的に識別する14の文変換器について検討する。平均して、MMPNetモデルによって特定される脆弱性の56%は、アタックと合わせてCVEリポジトリ内でも表現されている。結果のマニュアル検査により、MITREリポジトリに記録されていない275の予測リンクの存在が明らかになった。
論文参考訳（メタデータ） (2025-09-02T08:27:36Z)
Agentic Discovery and Validation of Android App Vulnerabilities [8.298163888812233]
既存のAndroidの脆弱性検出ツールは、何千もの低信号警告でチームを圧倒している。アナリストはこれらの結果をトリガして、セキュリティパイプラインのボトルネックを発生させるのに何日も費やしている。セキュリティの専門家がAndroidの脆弱性を分析し、検証する方法を反映したシステムであるA2を紹介する。
論文参考訳（メタデータ） (2025-08-29T12:32:35Z)
FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文参考訳（メタデータ） (2024-03-26T08:51:23Z)
Certifiers Make Neural Networks Vulnerable to Availability Attacks [70.69104148250614]
私たちは初めて、逆転戦略が敵によって意図的に引き起こされる可能性があることを示します。いくつかの入力や摂動のために自然に発生する障害に加えて、敵は故意にフォールバックを誘発するために訓練時間攻撃を使用することができる。我々は2つの新しいアベイラビリティーアタックを設計し、これらの脅威の実用的妥当性を示す。
論文参考訳（メタデータ） (2021-08-25T15:49:10Z)
No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文参考訳（メタデータ） (2020-12-07T11:02:44Z)

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。