論文の概要: SYNAPSE: A Multi-LLM Orchestrated AI Tutor for Secure Software Development Education with Neurodivergent-First Design
- arxiv url: http://arxiv.org/abs/2607.14601v1
- Date: Thu, 16 Jul 2026 06:01:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.007078
- Title: SYNAPSE: A Multi-LLM Orchestrated AI Tutor for Secure Software Development Education with Neurodivergent-First Design
- Title（参考訳）: SynAPSE: ニューロディバージェントファースト設計によるセキュアなソフトウェア開発教育のためのマルチLLMオーケストレーションAIチュータ
- Abstract要約: 本稿では,Java,Python,サイバーセキュリティ,セキュアなソフトウェア開発のための適応型学習プラットフォームであるSynAPSEを提案する。
故意に脆弱なWebアプリケーションであるShopSecureでは、18の常時可視アクセシビリティ機能とアンカーを公開している。
19人の参加者からなる実現可能性パイロットは、システム・ユーザビリティ・スケールの76.4のスコアと4.2/5のエンゲージメントを、コホート全体で同等の認知負荷レベルで返却した。
- 参考スコア（独自算出の注目度）: 0.34376560669160394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developers who maintain real systems must continually recognise and remediate vulnerabilities in existing code, yet this skill is rarely trained directly: secure software development is commonly taught only after programming fluency is acquired, and accessibility support is treated as a secondary concern, disadvantaging learners with ADHD and related executive-function differences. This paper presents SYNAPSE, a publicly deployed adaptive tutoring platform for Java, Python for cybersecurity, and secure software development. SYNAPSE coordinates Claude, GPT-4o, and Gemini through the Model Context Protocol, routing interactions by pedagogical intent under a three-stage Socratic hint policy. It exposes eighteen always-visible accessibility features and anchors practice in ShopSecure, a deliberately vulnerable web application mapped to six OWASP Top 10 (2021) categories, on which learners practise the detect-understand-remediate loop characteristic of software maintenance. A feasibility pilot with nineteen participants across neurodivergent and neurotypical cohorts returned a System Usability Scale score of 76.4 and engagement of 4.2/5, with comparable cognitive-load levels across cohorts. SYNAPSE is available at https://synapse-course.com; a screencast is available at https://youtu.be/9R17KC47qQI.
- Abstract（参考訳）: しかし、このスキルは直接訓練されることは滅多にない: セキュアなソフトウェア開発は、プログラミングの流用が取得された後にのみ教えられ、アクセシビリティのサポートは二次的な関心事として扱われ、ADHDと関連する実行機能の違いで学習者を支援する。
本稿では,Java,Python,サイバーセキュリティ,セキュアなソフトウェア開発のための適応型学習プラットフォームであるSynAPSEを提案する。
SynAPSEは、Claude、GPT-4o、GeminiをModel Context Protocolを通じて調整し、3段階のソクラティックヒントポリシーの下で、教育的意図によるインタラクションをルーティングする。
ShopSecureは、6つのOWASP Top 10 (2021)カテゴリにマップされた故意に脆弱なWebアプリケーションである。
ニューロディバージェントとニューロタイプコホートにまたがる19人の参加者からなる実現可能性パイロットは、システム・ユーザビリティ・スケールの76.4のスコアと4.2/5のエンゲージメントを返却した。
SynAPSEはhttps://synapse-course.comで利用可能であり、スクリーンキャストはhttps://youtu.be/9R17KC47QIで入手できる。
関連論文リスト
- Securing the Sandbox: A Rootless Containerized Framework for Process-Oriented Monitoring in Computer Graphics Education [0.0]
本稿では,プロセス指向監視とインフラストラクチャセキュリティの緊張を解消するためのセキュアで低コストなフレームワークであるVISMATICを提案する。
堅牢な環境分離と明示的なユーザインタラクショントラッキングをAPIレベルで組み合わせることで、VISMATICは、基盤となるホストシステムを公開することなく、真のプログラミング動作をキャプチャする。
論文 参考訳（メタデータ） (2026-06-04T09:33:23Z) - SentinelSphere: Integrating AI-Powered Real-Time Threat Detection with Cybersecurity Awareness Training [0.0]
SentinelSphereは、機械学習に基づく脅威識別と、Large Language Model(LLM)を利用したセキュリティトレーニングを一体化する、人工知能によって駆動されるプラットフォームである。
この検出モジュールは、CIC-IDS 2017とCIC-DDoS 2019ベンチマークデータセットに基づいてトレーニングされた強化ディープニューラルネットワーク(DNN)を使用しており、アプリケーションレベルのアタックシグネチャをキャプチャする新しいHTTP層機能エンジニアリングが強化されている。
教育コンポーネントとして、サイバーセキュリティ領域向けに微調整されたPhi-4モデル(Q4_K_M)の量子化バージョンをデプロイし、専用GPUリソースなしで16GBのRAMしか必要としないコモディティハードウェアへのデプロイを可能にする。
論文 参考訳（メタデータ） (2026-04-08T09:56:53Z) - Secure Code Generation via Online Reinforcement Learning with Vulnerability Reward Model [60.60587869092729]
大規模言語モデル(LLM)は、ソフトウェア開発でますます使われているが、安全でないコードを生成する傾向は、現実世界のデプロイメントにとって大きな障壁である。
機能保存型セキュアコード生成のためのオンライン強化学習フレームワークSecCoderXを提案する。
論文 参考訳（メタデータ） (2026-02-07T07:42:07Z) - Just Ask: Curious Code Agents Reveal System Prompts in Frontier LLMs [65.6660735371212]
textbftextscJustAskは,インタラクションのみで効果的な抽出戦略を自律的に発見するフレームワークである。
これは、アッパー信頼境界に基づく戦略選択と、原子プローブと高レベルのオーケストレーションにまたがる階層的なスキル空間を用いて、オンライン探索問題として抽出を定式化する。
この結果から,現代のエージェントシステムにおいて,システムプロンプトは致命的ではあるがほぼ無防備な攻撃面であることがわかった。
論文 参考訳（メタデータ） (2026-01-29T03:53:25Z) - Toward Training Superintelligent Software Agents through Self-Play SWE-RL [66.11447353341926]
セルフプレイSWE-RLは、超知能ソフトウェアエージェントのトレーニングパラダイムに向けた第一歩である。
当社のアプローチでは,ソースコードとインストール済みの依存関係を備えたサンドボックスリポジトリへのアクセスのみを必要としています。
我々の成果は、早い段階で、エージェントが現実世界のソフトウェアリポジトリから広範囲にわたる学習経験を自律的に収集する道のりを示唆している。
論文 参考訳（メタデータ） (2025-12-21T00:49:40Z) - ASTRA: Autonomous Spatial-Temporal Red-teaming for AI Software Assistants [21.35387344588118]
ASTRAはAIによるコード生成とセキュリティガイダンスシステムの安全性上の欠陥を明らかにするために設計された自動化システムである。
ASTRAは、既存のテクニックよりも11～66%多くの問題を見つけ、17%の効果的なアライメントトレーニングにつながるテストケースを生成します。
論文 参考訳（メタデータ） (2025-08-05T21:57:52Z) - Report on NSF Workshop on Science of Safe AI [75.96202715567088]
機械学習の新たな進歩は、社会問題に対する技術ベースのソリューションを開発する新たな機会につながっている。
AIの約束を果たすためには、正確でパフォーマンスが高く、安全で信頼性の高いAIベースのシステムを開発する方法に取り組む必要がある。
本報告はワークショップの安全性の異なる側面に対処した作業グループにおける議論の結果である。
論文 参考訳（メタデータ） (2025-06-24T18:55:29Z) - Teaching DevOps Security Education with Hands-on Labware: Automated Detection of Security Weakness in Python [4.280051038571455]
我々は、学習者が既知のセキュリティの弱点を識別できるハンズオン学習モジュールを導入した。
エンゲージメントとモチベーションのある学習環境を育むために、私たちのハンズオンアプローチには、プレラブ、ハンズオン、ポストラボセクションが含まれています。
論文 参考訳（メタデータ） (2023-08-14T16:09:05Z) - Vulnerability Detection Using Two-Stage Deep Learning Models [0.0]
C/C++ソースコードの脆弱性検出には,2つのディープラーニングモデルが提案されている。
最初のステージはCNNで、ソースコードに脆弱性があるかどうかを検出する。
2番目のステージは、この脆弱性を50種類の脆弱性のクラスに分類するCNN-LTSMである。
論文 参考訳（メタデータ） (2023-05-08T22:12:34Z) - Pre-trained Encoders in Self-Supervised Learning Improve Secure and
Privacy-preserving Supervised Learning [63.45532264721498]
自己教師付き学習は、ラベルのないデータを使ってエンコーダを事前訓練するための新しいテクニックである。
我々は、事前訓練されたエンコーダがセキュア・プライバシ保護型学習アルゴリズムの限界に対処できるかどうかを理解するための、最初の体系的、原則的な測定研究を行う。
論文 参考訳（メタデータ） (2022-12-06T21:35:35Z) - Enhanced Adversarial Strategically-Timed Attacks against Deep
Reinforcement Learning [91.13113161754022]
本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。
実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
論文 参考訳（メタデータ） (2020-02-20T21:39:25Z)
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。