論文の概要: ReCon: A Resource-Constrained Benchmark for LLM-Based Cybersecurity Compliance Across Ingestion and Retrieval Pipelines
- arxiv url: http://arxiv.org/abs/2607.22885v1
- Date: Fri, 24 Jul 2026 19:53:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.920612
- Title: ReCon: A Resource-Constrained Benchmark for LLM-Based Cybersecurity Compliance Across Ingestion and Retrieval Pipelines
- Title（参考訳）: ReCon: LLMベースのサイバーセキュリティコンプライアンスのためのリソース制約付きベンチマーク
- Abstract要約: ガバナンスの失敗は、サイバーセキュリティの姿勢が弱まった主な理由の1つだ。
政策文書は、国際的又は国家的基準に従っている必要がある。
政策文書は、しばしば業界標準や規制に関して不完全である。
- 参考スコア（独自算出の注目度）: 0.6773121102591491
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the increasingly aggressive cyber threat landscape for governments, businesses, and institutions, as information and/or cybersecurity implementations are increasingly under scrutiny by regulators, it has been pointed out that governance failure is one of the major reasons for a weakened cybersecurity posture. A major component of Cyber/information security governance is the development, adoption, and implementation of a comprehensive information and/or cyber security policy document. The policy document must be in compliance with international or national standards and, if possible, with regulatory guidelines. However, it is often observed that policy documents are often incomplete with respect to industry standards or regulations and require revision when subjected to a thorough audit. Identifying the gaps between the controls and processes documented in the policy and those required in the regulations or standards necessitates extensive manual effort. The advent of Generative AI tools such as Large Language Models (LLMs) led to use of LLMs and Agentic AI tools to automate such compliance checks, as seen in a few research publications in recent times. However, such reported use of LLMs are experimented with high resource environments such as expensive GPUs and memory based servers. For smaller organizations such expensive compute platform may not be easily available. In this article, we benchmark the compliance checking tasks on LLMs that do not require GPU and high memory usage and the effectiveness of such resource constrained LLMs in compliance checking. Our experiments demonstrated that the low resource LLMs can provide good agreement/accuracy in compliance checking of policy documents against standards by experimenting with ISO 27002:2022 controls against multiple policy documents.
- Abstract（参考訳）: 情報および/またはサイバーセキュリティの実装が規制当局によってますます精査されているため、政府、企業、機関に対する攻撃的なサイバー脅威の状況が高まる中で、ガバナンスの失敗がサイバーセキュリティの姿勢が弱まる主な理由の1つであることが指摘されている。
サイバー/情報セキュリティガバナンスの主要なコンポーネントは、包括的な情報および/またはサイバーセキュリティポリシー文書の開発、採用、実装である。
政策文書は、国際的又は国家的基準、可能であれば規制ガイドラインに従わなければならない。
しかし、政策文書は業界基準や規制に関して不完全であることが多く、徹底的な監査を受けると修正が必要であることがしばしば見受けられる。
ポリシーで文書化されたコントロールとプロセスと規則や標準で要求されるプロセスのギャップを特定することは、広範囲な手作業を必要とする。
LLM(Large Language Models)のような生成AIツールの出現は、近年のいくつかの研究論文に見られるように、このようなコンプライアンスチェックを自動化するためにLLMとAgentic AIツールの使用につながった。
しかし、そのような報告されたLLMの使用は、高価なGPUやメモリベースのサーバのような高いリソース環境で実験されている。
小さな組織では、このような高価な計算プラットフォームは簡単には利用できないかもしれない。
本稿では,GPU や高メモリ使用を必要としない LLM 上でのコンプライアンスチェックタスクのベンチマークと,コンプライアンスチェックにおけるリソース制約 LLM の有効性について述べる。
本実験は,ISO 27002:2022 による複数の政策文書に対する規制を実験することにより,政策文書の標準に対するコンプライアンスに適合する上で,低資源 LLM が良好な合意・正確性を提供できることを示した。
関連論文リスト
- Evaluating Large Language Model Performance on International Maritime Dangerous Goods Code Compliance [47.37396434232136]
本稿では,IMDG修正42-24の知識を評価するための最初のベンチマークであるDGEvalを紹介する。
複数の選択、オープンエンド、DGLルックアップ、規制識別タスクにまたがる1,678の質問で構成されている。
我々は、複数の思考構成の6つのプロバイダから13のモデルを評価する。
論文 参考訳（メタデータ） (2026-08-21T12:32:31Z) - ContextLens: Modeling Imperfect Privacy and Safety Context for Legal Compliance [49.524070843587594]
本研究では,大規模言語モデル(LLM)を活用し,法的領域における入力コンテキストを基盤とするセミルールベースのフレームワークであるContextLensを提案する。
我々は、General Data Protection Regulation()とEU AI Actをカバーする既存のコンプライアンスベンチマークの実験を行います。
その結果、ContextLensはLLMのコンプライアンス評価を大幅に改善し、トレーニングなしで既存のベースラインを越えられることが示唆された。
論文 参考訳（メタデータ） (2026-04-14T05:35:38Z) - Frontier AI Auditing: Toward Rigorous Third-Party Assessment of Safety and Security Practices at Leading AI Companies [57.521647436515785]
私たちはフロンティアAIの監査を、フロンティアAI開発者の安全とセキュリティに関する主張の厳格な第三者による検証として定義しています。
本稿では,AI保証レベル(AAL-1からAAL-4)について紹介する。
論文 参考訳（メタデータ） (2026-01-16T18:44:09Z) - Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。
LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。
モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
論文 参考訳（メタデータ） (2026-01-12T21:31:38Z) - Generation of Programmatic Rules for Document Forgery Detection Using Large Language Models [10.32461766065764]
文書偽造は、法律、経済、政府のプロセスに対する脅威が増大している。
既存の可否チェックは、ソフトウェアエンジニアによって手作業で実装される。
大規模言語モデル(LLM)によるコード生成の最近の進歩は、これらのチェックの自動生成とスケーリングの新たな可能性を提供する。
論文 参考訳（メタデータ） (2025-12-22T10:08:25Z) - Large Language Models as a (Bad) Security Norm in the Context of Regulation and Compliance [0.0]
本稿では、セキュリティインフラストラクチャの設計と展開に使用する場合、AIがサイバーセキュリティと法律に悪影響を及ぼすかを問う。
本稿では,セキュリティにおけるLarge Language Models (LLM)の使用について論じる。
その後、欧州連合(EU)からのさまざまな法的サイバーセキュリティ義務であるサイバーセキュリティの規範を列挙し、参照の枠組みを創出する。
論文 参考訳（メタデータ） (2025-12-18T11:14:21Z) - Executable Governance for AI: Translating Policies into Rules Using LLMs [1.388831902854619]
Policy-to-Tests(P2T)は、自然ポリシー文書を正規化された機械可読ルールに変換するフレームワークである。
フレームワークを単一のポリシーを超えてテストするために、一般的なフレームワーク、セクターガイダンス、エンタープライズ標準に適用します。
これらのAI生成ルールは、スパンレベルとルールレベルのメトリクスに関する強力な人間のベースラインと密接に一致し、ゴールドセットに関するロバストなアノテータ間の合意がある。
論文 参考訳（メタデータ） (2025-12-04T03:11:54Z) - A.S.E: A Repository-Level Benchmark for Evaluating Security in AI-Generated Code [49.009041488527544]
A.S.Eは、AI生成コードのセキュリティを評価するためのリポジトリレベルの評価ベンチマークである。
現在の大規模言語モデル(LLM)は、セキュアなコーディングに苦戦している。
大きな推論予算は、必ずしもより良いコード生成につながるとは限らない。
論文 参考訳（メタデータ） (2025-08-25T15:11:11Z) - From Legal Text to Tech Specs: Generative AI's Interpretation of Consent in Privacy Law [0.0]
この研究では、LLMを使用してコンプライアンスのためのソフトウェアユースケースを分類する3段階のパイプラインを採用している。
実世界のユースケースに対してLLMをベンチマークすることにより、この研究は、AI駆動のソリューションを活用してソフトウェアの法的コンプライアンスを強化するための洞察を提供する。
論文 参考訳（メタデータ） (2025-07-05T23:36:05Z) - Automating Security Audit Using Large Language Model based Agent: An Exploration Experiment [7.039114328812774]
セキュリティ監査は、ポリシーが成立し、コントロールが実施され、サイバーセキュリティのリスク軽減のためにギャップが特定されることを保証することで、強力なセキュリティ姿勢を維持するのに役立つ。
本稿では,大規模言語モデル(LLM)を自律エージェントとして活用し,セキュリティ監査の一部を実行するフレームワークの開発の可能性を検討する。
論文 参考訳（メタデータ） (2025-05-15T22:22:52Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳（メタデータ） (2021-12-21T08:44:05Z)
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。