論文の概要: A Measurement Study of AI-Environment Realism Gaps in Malware-Analysis Sandboxes

• arxiv url: http://arxiv.org/abs/2607.14434v1
• Date: Thu, 16 Jul 2026 00:02:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.936382
• Title: A Measurement Study of AI-Environment Realism Gaps in Malware-Analysis Sandboxes
• Title（参考訳）: マルウェア解析用サンドボックスにおけるAI環境リアリズムギャップの測定
• Authors: Zhiyong Sui, Lamine Noureddine, Mst Eshita Khatun, Sideeq Bello, Babangida Bappah, Justin Woodring, Aisha Ali-Gombe,
• Abstract要約: 以前の世代のサンドボックス回避は、仮想化アーティファクト、タイミングの相違、摩耗とティアリアリズムに焦点を当てていた。 AI対応ソフトウェアエコシステムが残した永続的なアーティファクトをキャプチャする調査フレームワークであるAIprintを通じて、このリアリズムギャップを運用しています。 以上の結果から,従来のVM検出ベースラインでは,現実のAI対応システムを現代のサンドボックスと確実に区別することができないことがわかった。
• 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: Sandboxing remains a core technique for observing suspicious program behavior, yet environment-aware malware increasingly suppresses execution when analysis is suspected. Prior generations of sandbox evasion focused on virtualization artifacts, timing discrepancies, and wear-and-tear realism. In this paper, we present the first systematic measurement study of AI-environment artifacts as a new sandbox-evasion surface. We operationalize this realism gap through AIprint, a probe framework that captures persistent artifacts left behind by AI-capable software ecosystems, including AI-assistant configuration directories, model caches, environment variables, local inference services, and package dependencies. We systematically extract 450 unique artifacts from 284 open-source AI projects on GitHub, compile them into unprivileged Windows probes, and evaluate them across seven commercial and open-source sandbox backends together with three AI-capable reference hosts. Our results show that traditional VM-detection baselines fail to reliably distinguish real AI-capable systems from modern sandboxes, whereas twelve AI-environment artifacts appear on the reference hosts and on none of the evaluated backends. A controlled 214-step installation experiment establishes a causal relationship between AI tool and package installation and measurable AI-environment artifact accumulation, while adaptive spoofing experiments reveal a fundamental operational asymmetry: reproducing convincing AI software environments is substantially more expensive than detecting shallow spoofing.
• Abstract（参考訳）: サンドボックス化は、不審なプログラムの振る舞いを観察するコアテクニックであり続けているが、環境に配慮したマルウェアは、分析が疑われたときの実行をますます抑制する。 以前の世代のサンドボックス回避は、仮想化アーティファクト、タイミングの相違、摩耗とティアリアリズムに焦点を当てていた。 本稿では,新しいサンドボックス回避面としてAI環境人工物を初めて体系的に測定する。 AI対応の構成ディレクトリ、モデルキャッシュ、環境変数、ローカル推論サービス、パッケージ依存など、AI対応のソフトウェアエコシステムが残した永続的なアーティファクトをキャプチャする、調査フレームワークであるAIprintを通じて、このリアリズムギャップを運用しています。 GitHub上の284のオープンソースAIプロジェクトから450のユニークなアーティファクトを体系的に抽出し、特権のないWindowsプローブにコンパイルし、7つの商用およびオープンソースサンドボックスバックエンドと3つのAI対応リファレンスホストで評価します。 その結果、従来のVM検出ベースラインでは、現在のサンドボックスと実際のAI対応システムを確実に区別することができず、一方、参照ホストには12のAI環境アーティファクトが、評価されたバックエンドには表示されません。 制御された214ステップのインストール実験は、AIツールとパッケージのインストールと測定可能なAI環境のアーティファクトの蓄積との間に因果関係を確立する。

関連論文リスト

• 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)
• CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities [66.48570184296857]
  CyberGym-E2Eは大規模かつ現実的なエンドツーエンドのサイバーセキュリティベンチマークである。 脆弱性発見、PoC生成、パッチ生成の全ライフサイクルにわたって、AIエージェントの能力を包括的に評価する。 ベンチマークは、139の異なるオープンソースプロジェクトで920の現実世界の脆弱性で構成されている。
  論文  参考訳（メタデータ） (2026-06-03T05:06:37Z)
• Exploration and Exploitation Errors Are Measurable for Language Model Agents [52.95061000593404]
  言語モデル(LM)エージェントは、複雑なオープン化された決定タスクにますます使われています。 コア要件は、問題空間を探索し、獲得した知識を効果的に活用する能力である。 実践的なAIシナリオにインスパイアされた制御可能な環境を設計する。
  論文  参考訳（メタデータ） (2026-04-14T17:59:57Z)
• 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)
• Naïve Exposure of Generative AI Capabilities Undermines Deepfake Detection [12.131387824374597]
  生成型AIシステムは、意図しない推論によって明示的な認証基準を不注意に外部化することを示す。 洗練された画像は同時に検出を回避し、商業的な顔認識APIによって検証されたアイデンティティを保持し、知覚品質を大幅に向上させる。 その結果,現在の検出フレームワークが想定する脅威モデルと実世界の生成AIの実際の能力との間に構造的ミスマッチがあることが判明した。
  論文  参考訳（メタデータ） (2026-03-11T07:58:38Z)
• The Orthogonal Vulnerabilities of Generative AI Watermarks: A Comparative Empirical Benchmark of Spatial and Latent Provenance [0.0]
  デジタルプロフェランスは、オープンウェイトな生成AIが急速に増殖するので、重要なサイバーセキュリティの衝動である。 現在、最先端の目に見えない透かしは、2つの主要な数学多様体のうちの1つで機能している。 我々は,2つの代表的なパラダイム,RivaGAN(Spatial)とTree-Ring(Latent)を実証的に評価する。 単一ドメインの透かしは、現代の敵ツールセットに対して根本的に不十分であることを示す。
  論文  参考訳（メタデータ） (2026-03-11T01:47:18Z)
• 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)
• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)

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。