論文の概要: The Duality of Information Flow: Reconciling Robust Downgrading with Non-Interference

• arxiv url: http://arxiv.org/abs/2607.17445v1
• Date: Mon, 20 Jul 2026 00:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.468812
• Title: The Duality of Information Flow: Reconciling Robust Downgrading with Non-Interference
• Title（参考訳）: 情報フローの二重性:非干渉によるロバストダウングレーディングの再検討
• Authors: Hemant Gouni, Frank Pfenning, Jonathan Aldrich,
• Abstract要約: 機密性と整合性にまたがる非干渉特性は、プログラムのセキュリティ保証のハイウォーターマークとして長い間、地位を享受してきた。 以前の作業では、型システムは機密性と整合性に沿って分岐し、重複した推論機構と複雑な仕様をもたらす。 我々は、二項論理関係論を通して非干渉を示し、我々のモダリティによって媒介される通常の2-超越性として認識する。
• 参考スコア（独自算出の注目度）: 1.637671237994226
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Non-interference properties, spanning confidentiality and integrity, have long enjoyed a position as the high water mark of program security guarantees. Information flow type systems comprise the primary means for obtaining non-interference properties of programs, but their potential as a holy grail for secure programming has remained latent. Prior work bifurcates the type system along confidentiality and integrity, resulting in duplicate reasoning machinery and complex specifications. Furthermore, long-held wisdom dictates that non-interference must be weakened with downgrading mechanisms to accommodate the needs of practical programs, nearly all of which violate confidentiality and integrity in the course of fulfilling their purpose. This often pierces abstraction barriers and compromises modular reasoning. We introduce parametric information flow, which uses recent insights from modal type theory to shed light on these issues. In particular, we draw inspiration from work on the open and closed modalities, highlighting their rich interplay. Though each individual modality finds uses throughout the literature, our key insight is that their joint interaction suffices to reconstruct full-spectrum information flow reasoning, producing a single framework accounting for both confidentiality and integrity. Downgrading and analogues of advanced reasoning tools in the lineage of robust declassification are recovered without extensions to our theory, strengthening prior results. We show non-interference via a binary logical relations argument, realizing robustness as an ordinary 2-hyperproperty mediated by our modalities. Our work reveals state-of-the-art downgrading mechanisms to be wholly compatible with those for abstraction and modularity, arising precisely from the semantics of the latter under full-strength non-interference.
• Abstract（参考訳）: 非干渉特性は、機密性や整合性にまたがるものであり、長年プログラムのセキュリティ保証のハイウォーターマークとしての地位を享受してきた。 情報フロー型システムは、プログラムの非干渉特性を得るための主要な手段であるが、セキュアなプログラミングのための聖杯としての可能性は、まだ残っていない。 以前の作業では、型システムは機密性と整合性に沿って分岐し、重複した推論機構と複雑な仕様をもたらす。 さらに、長きにわたる知恵は、非干渉は実践プログラムのニーズを満たすための下級化メカニズムによって弱体化されなければならないと定めており、そのほとんどは彼らの目的を達成する過程で機密性や完全性に反するものである。 これはしばしば抽象的な障壁を突き刺し、モジュラー推論を損なう。 モーダル型理論の最近の知見を応用して,これらの問題に光を当てるパラメトリック情報フローを導入する。 特に、オープンでクローズドなモダリティに関する作業からインスピレーションを得て、彼らのリッチな相互作用を強調します。 個々のモダリティは文献全体を通じて使用されていますが、私たちの重要な洞察は、それらの共同インタラクションが完全なスペクトル情報フローの推論を再構築するのに十分であり、秘密性と整合性の両方を考慮に入れた単一のフレームワークを生み出すということです。 頑健な非分類の系統における先進的推論ツールの分解と類似は、我々の理論を拡張せずに回収され、事前の結果が強化される。 我々は二項論理関係論を通して非干渉を示し、ロバスト性は我々のモダリティによって媒介される通常の2-超越性として実現した。 我々の研究は、抽象化とモジュラリティのために、完全に互換性のある最先端のダウングレーディングメカニズムを明らかにし、完全に非干渉の下で、後者の意味論から正確に引き起こされる。

関連論文リスト

• RePercENT: Scaling Disentangled Representation Learning Beyond Two Modalities [34.35941675436447]
  RePercENTは、2つのモダリティを超えて、スケーラブルなペアワイズ・アンタングルをアンロックするように設計された、自己管理型のフレームワークである。 提案手法は, 事前抽出した埋め込みを直接操作し, 広範囲なジョイント・プレトレーニングの必要性を解消する。 さまざまなモダリティやタスクにわたって、RePercENTは、競合性能を維持しながら、アンタングルされたコンポーネントの回復に成功した。
  論文  参考訳（メタデータ） (2026-06-03T17:10:39Z)
• It Takes Two: Complementary Self-Distillation for Contextual Integrity in LLMs [73.46918128880786]
  タスク解決から情報抑制を分離する自己蒸留フレームワーク。 タスク解決から情報抑制を分離する自己蒸留フレームワーク。
  論文  参考訳（メタデータ） (2026-05-18T13:57:44Z)
• Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
  エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。 この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。 各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
  論文  参考訳（メタデータ） (2026-05-17T10:26:37Z)
• Agentic Uncertainty Quantification [76.94013626702183]
  本稿では,言語化された不確実性をアクティブな双方向制御信号に変換する統合されたデュアルプロセスエージェントUQ(AUQ)フレームワークを提案する。 システム1(Uncertainty-Aware Memory, UAM)とシステム2(Uncertainty-Aware Reflection, UAR)は、これらの説明を合理的な手段として利用し、必要な時にのみターゲットの推論時間解決をトリガーする。
  論文  参考訳（メタデータ） (2026-01-22T07:16:26Z)
• Compose and Fuse: Revisiting the Foundational Bottlenecks in Multimodal Reasoning [49.17801010041155]
  MLLM(Multimodal large language model)は、テキスト、ビジョン、オーディオなどの多様な入力を統合することで推論を強化することを約束する。 しかし、追加のモダリティがパフォーマンスを損なうかどうかについての報告は相反する。 我々は、多モーダル推論を6つの相互作用パターンに分類し、事実がどのようにモダリティに分散され、論理的に組み合わせられるかを決定する。
  論文  参考訳（メタデータ） (2025-09-28T08:46:11Z)
• Breaking the Trade-Off Between Faithfulness and Expressiveness for Large Language Models [14.166203096918247]
  外部知識の接地応答は、大規模言語モデルにおける幻覚を緩和するための効果的な戦略である。 現在のLLMは、忠実さと表現性を同時に維持しながら、シームレスに知識を統合するのに苦労している。 本稿では,外部知識を伴わずに出力確率を動的に統合する新しい手法である協調復号法を提案する。
  論文  参考訳（メタデータ） (2025-08-26T03:48:05Z)
• Unmasking Synthetic Realities in Generative AI: A Comprehensive Review of Adversarially Robust Deepfake Detection Systems [4.359154048799454]
  ディープフェイク拡散合成メディアは、デジタルセキュリティ、誤情報緩和、アイデンティティ保護に挑戦する。 本研究の体系的レビューでは, 再現性のある実装の透明性と検証を重視した, 最先端のディープフェイク検出手法の評価を行う。 1) 統計的異常や階層的特徴抽出を利用した完全合成メディアの検出,(2) 視覚的アーティファクトや時間的不整合といったマルチモーダルな手がかりを用いた実コンテンツ中の操作された領域の局在化。
  論文  参考訳（メタデータ） (2025-07-24T22:05:52Z)
• Graded Modal Types for Integrity and Confidentiality [0.25782420501870285]
  グレード型システムでは、アノテート型を付加情報で追跡することで、プログラムの異なる特性を追跡できる。 例えば、インフォメーションフロー制御では、型はセキュリティレベルの格子によってグレードされ、非干渉特性が自動的に検証され、強制される。 信頼された出力が信頼できない入力に依存してはならないことを示すプロパティであるIntegrationityは、この文脈では検討されていない。 状況は、線形一意性と型の両方をグレードフレームワークに組み込むという最近の作業と類似しており、このフレーミングを使用して、相互に整合性と機密性の両方を強制できることを示しています。
  論文  参考訳（メタデータ） (2023-09-08T13:40:52Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Uncertainty as a Form of Transparency: Measuring, Communicating, and Using Uncertainty [66.17147341354577]
  我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。 モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。 この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
  論文  参考訳（メタデータ） (2020-11-15T17:26:14Z)

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。