Fugu-MT 論文翻訳(概要): Don't Trust the Label: License Laundering in AI Supply Chains

論文の概要: Don't Trust the Label: License Laundering in AI Supply Chains

arxiv url: http://arxiv.org/abs/2607.20300v1
Date: Wed, 22 Jul 2026 15:48:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-23 18:51:38.13684
Title: Don't Trust the Label: License Laundering in AI Supply Chains
Title（参考訳）: AIサプライチェーンにおけるライセンス洗浄
Abstract要約: AIアーティファクトは、Hugging Face上のデータセットとモデルをGitHub上のアプリケーションに分散して、マルチプラットフォームサプライチェーンを通過する。宣言されたライセンスのないアーティファクトが下流の確定したラベルを取得する場合と、宣言されたライセンスカテゴリが別のものを置き換える場合です。 62.3%のチェーンが少なくとも1つのアーティファクトを通過しており、ライセンスは宣言されていない。
参考スコア（独自算出の注目度）: 12.206378714907075
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: AI artifacts move through a multi-platform supply chain, spanning datasets and models on Hugging Face and applications on GitHub. While each artifact carries a license whose obligations should propagate through redistribution, no study has yet measured whether those obligations survive the chain or are stripped and replaced as artifacts move downstream. We trace 232,270 dataset$\rightarrow$model$\rightarrow$application chains and quantify two forms of license laundering: when artifacts with no declared license acquire definitive labels downstream, and when one declared license category replaces another during redistribution. We find that 62.3% of chains pass through at least one artifact with no declared license (concentrated in a small set of foundational datasets), and that every obligation-bearing license category falls below 7% end-to-end survival while the Permissive category reaches 95.1%. Based on these findings, we provide actionable recommendations for practitioners, model publishers, rights holders, and platform owners.
Abstract（参考訳）: AIアーティファクトは、Hugging Face上のデータセットとモデルをGitHub上のアプリケーションに分散して、マルチプラットフォームサプライチェーンを通過する。各アーティファクトは、再分配を通じて伝達する義務を持つライセンスを持っているが、これらの義務がチェーンを生き残るか、あるいは下流へ移動するアーティファクトが取り除かれ、置き換えられるかは、まだ研究されていない。 232,270のデータセット$\rightarrow$model$\rightarrow$application chainをトレースし、2種類のライセンス洗浄を定量化する。 62.3%のチェーンが、宣言されたライセンスのない少なくとも1つのアーティファクト(基礎データセットの小さなセットに集中している)を通過しており、すべての義務付きライセンスカテゴリは、パーミッシブカテゴリが95.1%に達する間、エンド・ツー・エンドサバイバルのサバイバル以下であることがわかった。これらの知見に基づき,実践者,モデル出版者,権利保有者,プラットフォーム所有者に対して行動可能なレコメンデーションを提供する。

関連論文リスト

AcquireBound: Runtime Authorization for Resources Acquired by AI Agents [0.0]
充足後のアクティベーションギャップは、ツールによる作成、エージェント間デリゲート、エージェントコマースにまたがる。本稿では,AcquireBoundについて紹介する。検疫,バック,非増幅,非回避分割,クラッシュ/リトライ,返金,エポック,エフェクトの8つの安全性特性を実証する。
論文参考訳（メタデータ） (2026-09-13T19:16:44Z)
Attestream: Usage-Aware Intermittent Data Distribution with Verifiable Lifecycle Provenance for Machine-Learning Data Streams [0.0]
Attestreamは、間欠的に配信されるデータセットストリームのためのブロックチェーンベースのアーキテクチャである。すべてのライフサイクルイベントは、応答不能で相互にリンクされたライフサイクルレコードとして、オンチェーンレジストリに追加される。利用認識ゲートは、レポートウィンドウにデリバティブ生成レコードが登録されていない場合に、コンシューマのストリームを停止する。
論文参考訳（メタデータ） (2026-09-07T15:32:43Z)
When Can a Machine Trust a Statute? A Survival Certificate for Machine-Extracted Legal Logic [0.0]
29,365のミズーリ地区と502のインディアン・セントラル・アクティクト地区では、登録済みのホールトアウトゲートパス(正確には7つのタイトルに10の法定家族が通っている。我々は,機械抽出法コンテキストのDukenne-Guigues含意に基づく受動的生存証明書を構築した。
論文参考訳（メタデータ） (2026-09-01T18:08:01Z)
File-Level Copying Is an Implicit Dependency in Open Source [13.844153992502159]
リポジトリ間でファイルをコピーすると、パッケージマネージャが宣言された依存性を提供する4つの可観測性信号が削除される。 0.1%のコミットサンプルから、690,500のコピーイベントを抽出し、3,912の合理的なコピーコミットをインテントラベリングのために保持する。ベンダー依存,ハードウェア/ドライバ同期,スキャフォールディング,UIアセット,直接的なソースコード再利用など,13軸のコピー形式は,開発者の意図に対する信頼性の低いプロキシであることを示す。
論文参考訳（メタデータ） (2026-07-02T11:37:59Z)
Permissive-Washing in the Open AI Supply Chain: A Large-Scale Audit of License Integrity [12.206378714907075]
MIT、Apache-2.0、BSD-3-Clauseといった寛容なライセンスがオープンソースAIを支配している。寛容な洗浄: AIアーティファクトを自由に使用可能なラベルにすること。私たちは、Hugging FaceとGitHubで3,338のデータセット、6,664のモデル、28,516のアプリケーションにまたがる、124,278のデータセット$rightarrow$ model $rightarrow$アプリケーションサプライチェーンを監査します。
論文参考訳（メタデータ） (2026-02-09T15:51:36Z)
TxRay: Agentic Postmortem of Live Blockchain Attacks [52.658018348998105]
5年も経たないうちに、DeFiのエコシステムは15.75億米ドル以上を失い、エクスプロイトが報告された。我々は、限られた証拠から生のACT攻撃を再構築する死後システムであるTxRayを提示する。 DeFiHackLabsの114件のインシデントで、TxRayは105件のインシデントに対して専門家による根本原因と実行可能なPoCを生成し、92.11%のエンド・ツー・エンドの再現を達成した。
論文参考訳（メタデータ） (2026-02-01T16:17:33Z)
CertDW: Towards Certified Dataset Ownership Verification via Conformal Prediction [48.82467166657901]
本稿では,最初の認証データセット透かし(CertDW)とCertDWベースの認証データセットオーナシップ検証手法を提案する。共形予測に触発されて,主確率 (PP) と透かし頑健性 (WR) の2つの統計指標を導入する。我々は、不審モデルのWR値が、透かしのないデータセットでトレーニングされた良性モデルのPP値を大幅に上回る場合に、PPとWRの間に証明可能な低い境界が存在することを証明した。
論文参考訳（メタデータ） (2025-06-16T07:17:23Z)
Do Not Trust Licenses You See: Dataset Compliance Requires Massive-Scale AI-Powered Lifecycle Tracing [45.6582862121583]
本稿では,データセットの法的リスクは,ライセンス条項だけでは正確に評価できないことを論じる。データセットの再配布と完全なライフサイクルの追跡が不可欠である、と同社は主張する。我々は、AIが人間の専門家よりも高い精度、効率、コスト効率でこれらのタスクを実行できることを示した。
論文参考訳（メタデータ） (2025-03-04T16:57:53Z)
Dist-PU: Positive-Unlabeled Learning from a Label Distribution Perspective [89.5370481649529]
本稿では,PU学習のためのラベル分布視点を提案する。そこで本研究では,予測型と基底型のラベル分布間のラベル分布の整合性を追求する。提案手法の有効性を3つのベンチマークデータセットで検証した。
論文参考訳（メタデータ） (2022-12-06T07:38:29Z)
Cycle Label-Consistent Networks for Unsupervised Domain Adaptation [57.29464116557734]
ドメイン適応は、ラベル付きソースドメインを活用して、異なる分布を持つラベル付きターゲットドメインの分類子を学ぶことを目的としています。本稿では,分類ラベルのサイクル整合性を利用して,シンプルで効率的な領域適応手法,すなわちCycle Label-Consistent Network (CLCN)を提案する。 MNIST-USPS-SVHN, Office-31, Office-Home, Image CLEF-DAベンチマークに対するアプローチの有効性を示す。
論文参考訳（メタデータ） (2022-05-27T13:09:08Z)
Creating Training Sets via Weak Indirect Supervision [66.77795318313372]
Weak Supervision (WS)フレームワークは、複数の潜在的にノイズの多い監督ソースからトレーニングラベルを合成する。 Weak Indirect Supervision (WIS) は、トレーニングラベルの自動合成のための新しい研究課題である。我々は,ユーザが提供するラベル関係を利用して間接的な監督源をモデル化し活用する確率論的モデリング手法PLRMを開発した。
論文参考訳（メタデータ） (2021-10-07T14:09:35Z)

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。