論文の概要: ε-Indistinguishability In Moving Target Defense: Framework, Algorithms, And Cloud Case Studies
- arxiv url: http://arxiv.org/abs/2607.13440v1
- Date: Wed, 15 Jul 2026 04:52:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.640353
- Title: ε-Indistinguishability In Moving Target Defense: Framework, Algorithms, And Cloud Case Studies
- Title（参考訳）: 移動目標防衛におけるε非識別性:フレームワーク,アルゴリズム,クラウドケーススタディ
- Authors: Sailik Sengupta, Ankur Chowdhary,
- Abstract要約: 移動可能なターゲットディフェンスは、候補設定のプールを循環させることが安全であると仮定する。
我々は、このプールセーフティ問題を、成分ごとの実装選択のカルテシアン積の最大の差分ヴァレプシロン閉部分集合を見つけるものとして定式化する。
- 参考スコア（独自算出の注目度）: 4.514651886293108
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Moving Target Defense (MTD) assumes its pool of candidate configurations is safe to cycle among, i.e. latency and other observables do not trivially fingerprint the active choice, but this assumption has not been quantified at the pool level. We formalize this pool-safety problem as finding the largest $\varepsilon$-close subset of the Cartesian product of per-component implementation choices, reducing pairwise indistinguishability under an additive utility model to a densest-window query over a sum-set. We give four algorithms spanning the scalability spectrum -- full enumeration, meet-in-the-middle, FFT convolution, and Monte Carlo sampling -- covering configuration spaces from tens to $10^{38}$. We then measure the anonymity gap end-to-end on two production cloud case studies, and find that a component's latency differences do not survive deployment unchanged: a four-runtime serverless rotation, where nothing else masks the interpreter, collapses from four-way to three-way anonymity against a VPC-adjacent adversary, while a $27$-configuration three-tier stack, where the same interpreter differences are instead absorbed by a shared $8$~ms database round-trip, delivers nine-way effective anonymity. The framework and the two case studies together suggest a diagnostic for MTD design: rotating a component adds anonymity only if the latency differences among its variants are too small for the adversary to identify.
- Abstract（参考訳）: 移動ターゲットディフェンス(MTD)は、その候補設定のプールは、レイテンシやその他の観測可能な設定がアクティブな選択を自明にフィンガープリンティングするわけではないが、プールレベルでは定量化されていないと仮定する。
我々は、このプールセーフティ問題を、成分ごとの実装選択のCartesian製品の最大$\varepsilon$-closeサブセットを見つけることとして定式化し、加法的ユーティリティモデルの下でのペアワイズ不一致性を和集合上の高密度ウィンドウクエリに還元する。
フル列挙、ミート・イン・ザ・ミドル、FFT畳み込み、モンテカルロサンプリングの4つのアルゴリズムが 10 から 10^{38}$ の構成空間をカバーしています。
次に、2つのプロダクションクラウドケーススタディにおいて、匿名性ギャップを計測し、コンポーネントのレイテンシの差がデプロイを継続できないことを確認します。 インタプリタをマスクしない4つの実行時のサーバレスローテーションは、VPC対応の敵に対して4方向から3方向の匿名性から崩壊し、同じインタプリタの違いが共有の8〜msデータベースのラウンドトリップによって吸収される27ドルの3層スタックは、9方向の効果的な匿名性を提供します。
このフレームワークと2つのケーススタディは、MTD設計の診断を示唆している: コンポーネントを回転させると、変種間の遅延差が小さすぎて敵が識別できない場合にのみ匿名性が追加される。
関連論文リスト
- Persona-Model Collapse in Emergent Misalignment [0.0]
有害な内容を持つ狭いデータに対する微調整された大きな言語モデルは、無関係なプロンプトに対して広範囲に不整合な振る舞いをもたらす。
モラル・サセプティビリティ(S)とモラル・ロバストネス(R)の2つの指標を用いてこの仮説を検証する。
これらのメトリクスは、与えられた文字(S)と、与えられた文字(R)をシミュレートするときにその一貫性を識別するモデルの能力を形式化する。
論文 参考訳（メタデータ） (2026-05-13T00:48:57Z) - VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization [0.0]
VeriX-Anonは、オープンソースのターゲット駆動k匿名化のための多層検証フレームワークである。
認証決定木のメルクル式ハッシュによる決定論的検証、ランダムフォレスト決定境界付近の境界センチネルによる確率的検証、および暗号識別子による正確な重複性ツインズの組み合わせである。
12のシナリオのうち11の偏差を正しく検出した。
論文 参考訳（メタデータ） (2026-04-14T08:22:18Z) - Time Is All It Takes: Spike-Retiming Attacks on Event-Driven Spiking Neural Networks [87.16809558673403]
スパイキングニューラルネットワーク(SNN)は離散スパイクで計算し、時間構造を利用する。
イベント駆動SNNにおけるスパイク数と振幅を保存しながら、既存のスパイクを繰り返すタイミングのみの敵について検討する。
論文 参考訳（メタデータ） (2026-02-03T09:06:53Z) - Revisiting Weighted Strategy for Non-stationary Parametric Bandits and MDPs [56.246783503873225]
本稿では,非定常パラメトリックバンディットの重み付け戦略を再考する。
本稿では,ウィンドウ/リスタートベースアルゴリズムと同様に,より単純な重みに基づくアルゴリズムを提案する。
我々のフレームワークは、他のパラメトリックバンディットの後悔の限界を改善するのに使える。
論文 参考訳（メタデータ） (2026-01-03T04:50:21Z) - Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain [0.0]
ビザンチンのクライアントは、不均一な(Non-IID)データの下での濃度勾配を中毒する。
本稿では,ビザンチン検出・集約フレームワークであるSpectral Sentinelを提案する。
Polygonネットワーク上でブロックチェーンを統合することで,完全なシステムを実現しています。
論文 参考訳（メタデータ） (2025-12-14T09:43:03Z) - Hierarchical Federated Graph Attention Networks for Scalable and Resilient UAV Collision Avoidance [0.5505634045241287]
衝突回避を実践するためにバランスをとる必要がある最も重要な指標は、リアルタイムのパフォーマンス、敵のレジリエンス、プライバシー保護である。
我々は適応型微分プライバシー機構を提案し,実時間脅威の評価に基づいて雑音レベル$(in [0.1, 1.0])$を動的に低減する。
このアーキテクチャは500UAVのスケーラブルなシナリオを提供し、衝突速度は2.0%$、ビザンティンの耐障害性は$f n/3$である。
論文 参考訳（メタデータ） (2025-11-05T12:01:00Z) - Privacy-Preserving Inference for Quantized BERT Models [13.36359444231145]
量子化は浮動小数点演算を低精度整数計算に変換することで有望な解を提供する。
本研究では, 層単位での微細な量子化手法を提案し, 1ビットの重み付き全連結層をセキュアな設定で支持する。
論文 参考訳（メタデータ） (2025-08-03T07:52:08Z) - Revisiting Domain-Adaptive 3D Object Detection by Reliable, Diverse and
Class-balanced Pseudo-Labeling [38.07637524378327]
ドメイン適応型3Dオブジェクト検出において,疑似ラベリング技術を用いた教師なしドメイン適応(DA)が重要なアプローチとして浮上している。
既存のDAメソッドは、マルチクラスのトレーニング環境に適用した場合、パフォーマンスが大幅に低下する。
本稿では,すべてのクラスを一度に検出する学習に適した新しいReDBフレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-16T04:34:11Z) - A Unified Transformer Framework for Group-based Segmentation:
Co-Segmentation, Co-Saliency Detection and Video Salient Object Detection [59.21990697929617]
人間は、ダイナミックな世界に住んでいるので、画像のグループやビデオのフレームから学ぶことによってオブジェクトをマイニングする傾向があります。
従来のアプローチでは、類似したタスクで異なるネットワークを個別に設計するが、互いに適用するのは困難である。
UFO(UnifiedObject Framework for Co-Object Framework)という,これらの問題に対処するための統一フレームワークを導入する。
論文 参考訳（メタデータ） (2022-03-09T13:35:19Z)
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。