論文の概要: CrackedPDFs: A Controlled Benchmark for Hidden Prompt Injection in PDFs

• arxiv url: http://arxiv.org/abs/2607.19396v1
• Date: Fri, 03 Jul 2026 14:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.152825
• Title: CrackedPDFs: A Controlled Benchmark for Hidden Prompt Injection in PDFs
• Title（参考訳）: CrackedPDFs:PDFの隠れプロンプトインジェクションのための制御されたベンチマーク
• Abstract要約: 我々はPDFに隠れプロンプトインジェクションのためのベンチマークであるCrackedPDFsを紹介する。 ベンチマークには4,983基のドキュメントから29,322個のPDFが含まれている。 9,774の注入ファイルと19,548の良性または一致した共同創業者ファイルが含まれている。
• 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: Document-based LLM systems often flatten a PDF before guardrails inspect it. That step can discard evidence that an instruction was never visible to the user. We introduce CrackedPDFs, a controlled benchmark for hidden prompt injection in PDFs. The benchmark contains 29,322 generated PDFs from 4,983 base docu ments. It includes 9,774 injected files and 19,548 benign or matched-confounder files. We evaluate PromptGuard and a rule baseline. We also evaluate structural only learned models and a sanitized hybrid detector. The evaluation uses held-out provenance splits and paired benign-confounder controls. It also uses label-shuffle checks and shortcut audits. On a 2,919-document held-out test set, the hybrid de tector reaches 0.960 F1. ROC-AUC is 0.998 and PR-AUC is 0.997. It also ranks injected files above matched benign confounders in 95.9% of 973 pairs. Prompt Guard has low recall when given extracted text only. Structural-only learned mod els are weak under paired controls. A text-only TF-IDF model reaches perfect held-out scores but fails shortcut audits. These results show that document-aware hybrid detection is useful under controlled paired evaluation. They do not show broad real-world robustness or reliable cross-family generalization.
• Abstract（参考訳）: 文書ベースのLLMシステムは、ガードレールが検査する前にしばしばPDFをフラットにする。 そのステップは、命令がユーザに見えなかったという証拠を捨てることができます。 我々はPDFに隠れプロンプトインジェクションのための制御されたベンチマークであるCrackedPDFsを紹介する。 ベンチマークには4,983基のドキュメントから29,322個のPDFが含まれている。 9,774の注入ファイルと19,548の良性または一致した共同創業者ファイルが含まれている。 PromptGuardとルールベースラインを評価した。 また, 構造学習モデルと衛生ハイブリッド検出器の評価を行った。 評価には、既成の分割とペアの良心的共同経営者のコントロールが使用されている。 ラベルシャッフルチェックやショートカット監査も使用している。 2,919ドキュメンテーションのホールドアウトテストセットでは、ハイブリッド・デ・テクターは0.960F1に達する。 ROC-AUCは0.998、PR-AUCは0.997である。 また、973対の95.9%で、マッチした良心的共同設立者の上に注入されたファイルもランク付けしている。 Prompt Guardは、抽出されたテキストのみを与えられた場合、リコールが低い。 構造のみ学習されたモードエルはペア制御下で弱い。 テキストのみのTF-IDFモデルは完全なホールトアウトスコアに達するが、ショートカット監査に失敗する。 これらの結果から,文書認識ハイブリッド検出は制御されたペア評価において有用であることが示唆された。 それらは広い現実世界の堅牢性や信頼性のあるクロスファミリーの一般化を示すものではない。

関連論文リスト

• AcroMELD: Recovering Interactive PDF Forms with Structure-Aware Graph Set Transformers [0.0]
  AcroMELD (AcroForm Multi-source Evidence Linking Decoder) は、ラベルのないPDFプリミティブを持つ高解像度のビジュアルトランスフォーマーである。 4つのグラフ集合層は、幾何学的に偏ったスパース近傍とPDF構造に交差する位置の情報を交換する。 我々は,不確定な開発,校正,内部テスト,隔離された外部保持機能を備えたハッシュバウンド評価プロトコルを定義する。
  論文  参考訳（メタデータ） (2026-08-23T10:12:22Z)
• From Documentation to Zero-day Vulnerabilities: LLM-Driven Fuzzing of JavaScript Engines in PDF Readers [19.206300119062103]
  既存のPDFリーダー用のファズーは、個々のAPI呼び出しだけを含む単純なテストケースに依存している。 複雑で意味のあるAPI呼び出しシーケンスを自動的に生成する新しいPDFエンジンファザであるPDFuzzerを提案する。
  論文  参考訳（メタデータ） (2026-08-06T23:15:56Z)
• How Far Are We from Detecting Flaky Tests? On the Limits of Code-Based Detection [41.369102837712795]
  燃えるようなテストは同じコードバージョンでパスしてフェールし、テスト結果のシグナルを弱める。 コードベースのフレキネス検出器は強力なベンチマーク結果を報告しているが、実際の使用は限られている。 フレキネスはテストコードの静的な特性ではなく、テストが不安定かどうかを決定するのに必要な情報が欠けていることが多い、と私たちは主張する。
  論文  参考訳（メタデータ） (2026-07-10T12:24:25Z)
• Beyond Document Grounding: Span-Level Hallucination Detection over Code, Tool Output, and Documents [10.262113115662334]
  検索増強世代(RAG)に対する幻覚検出は通常、自然言語文書の証拠に基づいて評価される。 我々は、コード、ツール出力、構造化文書、既存の自然言語RAGデータセットに対するスパンレベル幻覚検出のための統一ベンチマークを導入する。
  論文  参考訳（メタデータ） (2026-07-01T13:01:42Z)
• CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
  我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。 CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
  論文  参考訳（メタデータ） (2026-06-09T16:24:16Z)
• Reliable Extraction of Clinical Follow-Up Instructions: A Hybrid Neural-Symbolic Pipeline [43.0484058393522]
  我々は,ニューラルシンボリックなハイブリッドパイプラインを直接生成に対して試験する。 本研究は,2000点の合成外用コーパスについて検討した。
  論文  参考訳（メタデータ） (2026-05-26T05:14:33Z)
• AIRA: AI-Induced Risk Audit: A Structured Inspection Framework for AI-Generated Code [0.0]
  AIによって生成されたコードは、静かに失敗する傾向がある。 本稿では,このパターンが人間のフィードバックによる最適化の成果を反映するかもしれないという仮説を,Reward-Shaped Failure hypothesisで紹介する。 AIRAは、コード内の失敗不確実なパターンを検出するために設計された決定論的15チェック検査フレームワークである。
  論文  参考訳（メタデータ） (2026-04-19T19:32:52Z)
• Are Benchmark Tests Strong Enough? Mutation-Guided Diagnosis and Augmentation of Regression Suites [49.16055123488827]
  十分に強力なテストスイートは、報告された成功率を膨らませながら、妥当だが意味的に正しくないパッチを認めることができる。 STINGは、意味的に変化するプログラムの変種を診断ストレス要因として利用する、ターゲットテスト拡張のためのフレームワークである。 STINGは211インスタンスにまたがる1014の検証テストを生成し、パッチリージョンラインとブランチカバレッジを10.8%、9.5%向上させた。
  論文  参考訳（メタデータ） (2026-04-02T01:13:40Z)
• CLASP: Defending Hybrid Large Language Models Against Hidden State Poisoning Attacks [48.54598003197356]
  Mambaのような状態空間モデル(SSM)はトランスフォーマーの効率的な代替品として大きな注目を集めている。 HiSPAsは、最近発見された脆弱性で、敵対する文字列を通じてSSMメモリを破損させる。 この脅威に対して防御するためのCLASPモデルを紹介します。
  論文  参考訳（メタデータ） (2026-03-12T17:29:55Z)
• InfMem: Learning System-2 Memory Control for Long-Context Agent [43.413381779578266]
  InfMemは、PreThink-Retrieve-Writeプロトコルを介してSystem-2スタイルの制御をインスタンス化する制御中心のエージェントである。 32kから100Mまでの超長期のQAベンチマークでは、InfMemはバックボーン全体でMemAgentを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-02T19:15:08Z)
• GLEAN: Grounded Lightweight Evaluation Anchors for Contamination-Aware Tabular Reasoning [0.5414847001704249]
  本稿では, 汚染対応プローブ, 弱スーパービジョンガバナンス, 検索推論診断, 構造化エラー属性を統合する軽量な評価プロトコルを提案する。 我々は16GBのGPU予算でTabFact、WTQをSquall、TableBench、RobuT、SciTabで評価した。
  論文  参考訳（メタデータ） (2026-01-22T13:56:19Z)
• SpatialBench-UC: Uncertainty-Aware Evaluation of Spatial Prompt Following in Text-to-Image Generation [0.0]
  SpaceBench-UCは、ペアの空間関係を再現可能な小さなベンチマークである。 ベンチマークパッケージ、バージョン付きプロンプト、ピン付き構成、サンプルごとのチェッカー出力、レポートテーブルをリリースします。 安定拡散1.5, SD 1.5 BoxDiff, SD 1.4 GLIGENの3つのベースラインについて検討した。
  論文  参考訳（メタデータ） (2026-01-19T23:37:10Z)
• PaperAudit-Bench: Benchmarking Error Detection in Research Papers for Critical Automated Peer Review [54.141490756509306]
  本稿では、エラーデータセットであるPaperAudit-Datasetと、自動レビューフレームワークであるPaperAudit-Reviewの2つのコンポーネントからなるPaperAudit-Benchを紹介する。 PaperAudit-Benchの実験では、モデルと検出深さの誤差検出可能性に大きなばらつきが示された。 本研究では,SFTおよびRLによる軽量LLM検出器のトレーニングをサポートし,計算コストの削減による効率的な誤り検出を実現する。
  論文  参考訳（メタデータ） (2026-01-07T04:26:12Z)
• What Do They Fix? LLM-Aided Categorization of Security Patches for Critical Memory Bugs [46.325755802511026]
  我々は、LLM(Large Language Model)と細調整された小言語モデルに基づく2つのアプローチを統合するデュアルメタルパイプラインであるLMを開発した。 LMは、OOBまたはUAFの脆弱性に対処する最近のLinuxカーネルのパッチ5,140のうち111つを、手作業による検証によって90の正の正が確認された。
  論文  参考訳（メタデータ） (2025-09-26T18:06:36Z)
• Complete Evasion, Zero Modification: PDF Attacks on AI Text Detection [0.0]
  我々は、PDF文書における視覚テキストレイアウトと抽出順序の相違を利用した新しい攻撃であるPDFuzzを提案する。 我々は、人間とAIが生成するテキストのデータセットを用いて、ArguGPT検出器に対するこのアプローチを評価する。
  論文  参考訳（メタデータ） (2025-08-03T18:43:41Z)
• Detecting malicious PDF using CNN [46.86114958340962]
  悪意のあるPDFファイルは、コンピュータセキュリティに対する最大の脅威の1つだ。 本稿では,ファイルのバイトレベルにおける畳み込みニューラルネットワーク(CNN)のアンサンブルを用いた新しいアルゴリズムを提案する。 オンラインでダウンロード可能な90000ファイルのデータセットを用いて,本手法はPDFマルウェアの高検出率(94%)を維持していることを示す。
  論文  参考訳（メタデータ） (2020-07-24T18:27:45Z)

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。