論文の概要: Not In My Git Yard: Catching Backdoors at Commit and Release Time

• arxiv url: http://arxiv.org/abs/2607.26719v1
• Date: Wed, 29 Jul 2026 10:09:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.619999
• Title: Not In My Git Yard: Catching Backdoors at Commit and Release Time
• Title（参考訳）: Git Yardにはない - コミットとリリース時のバックドアのキャッチ
• Authors: Dimitri Kokkonis, Michaël Marcozzi, Stefano Zacchiroli,
• Abstract要約: シークレットトリガーを通じて隠された特権を付与するコードレベルのバックドアステルスコードの変更は、オープンソースソフトウェアに対する永続的な脅威を提供する。 既存の継続的インテグレーション(CI)パイプラインはこれらの攻撃を検出できない。 バックドアインジェクションに対するオープンソース開発とリリースプロセスを強化する自動化アプローチであるLilyを紹介します。
• 参考スコア（独自算出の注目度）: 4.705824178814535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Code-level backdoors-stealthy code changes that grant hidden privileges via secret triggers-pose a persistent threat to opensource software. Known attempts to inject such backdoors into widely used projects through malicious commits, tampered release packages, or compromised third-party dependencies, were stopped only by luck and manual review. Existing Continuous Integration (CI) pipelines cannot detect these attacks, and downstream binary analysis tools require substantial manual effort. In this work, we present Lily, an automated approach that strengthens open-source development and release processes against backdoor injection. Lily integrates a backdoor detection mechanism into (1) CI pipelines to block malicious commits, and (2) release vetting workflows to prevent tampered releases or compromised dependencies from entering large ecosystems, such as Linux distributions. Lily offers two key contributions. First, it enhances CI-compatible fuzzing with the capability to detect triggers of suspicious behavior based on historical and current software executions. This enables fast, precise backdoor detection suitable for both CI and update validation workflows. Second, it combines code change analysis with fuzzing data to precisely point maintainers to backdoor-revealing code regions, even when release updates modify millions of lines of code. We also outline five strategies attackers could use to evade Lily, and evaluate corresponding defenses. Our experiments across hundreds of benign and backdoored commits and releases show that Lily achieves high detection accuracy with low false alarm rates, reliably identifies malicious code, resists adversarial attempts, and would have prevented real-world backdoor incidents.
• Abstract（参考訳）: シークレットトリガーを通じて隠された特権を付与するコードレベルのバックドアステルスコードの変更は、オープンソースソフトウェアに対する永続的な脅威を提供する。 悪質なコミット、不正なリリースパッケージ、侵害されたサードパーティの依存関係を通じて、広く使用されているプロジェクトにそのようなバックドアを注入しようとする試みは、幸運と手動のレビューによってのみ停止された。 既存の継続的インテグレーション(CI)パイプラインはこれらの攻撃を検出できない。 本稿では,オープンソース開発とバックドアインジェクションに対するリリースプロセスを強化する自動化アプローチであるLilyを紹介する。 Lilyは(1)CIパイプラインにバックドア検出機構を統合して悪意のあるコミットをブロックし、(2)Linuxディストリビューションのような大きなエコシステムに侵入するのを防ぐために、リリース検証ワークフローを提供する。 Lilyは2つの重要な貢献をしている。 まず、履歴および現在のソフトウェア実行に基づいて不審な動作のトリガーを検出する機能により、CI互換ファジィを強化する。 これにより、CIと更新バリデーションワークフローの両方に適した、高速で正確なバックドア検出が可能になる。 第2に、コード変更分析とファジィデータを組み合わせて、数百万行のコードを変更するリリースアップデートであっても、メンテナをバックドア対応のコードリージョンに正確に向ける。 また、攻撃者がLilyを回避し、対応する防御を評価できる5つの戦略を概説した。 何百もの良心とバックドアのコミットとリリースに対する実験は、Lilyが偽のアラームレートを低くして高い検出精度を達成し、悪意のあるコードを確実に識別し、敵の試行に抵抗し、現実世界のバックドアのインシデントを防ぐことを示しています。

関連論文リスト

• Agent Hacks Agent: Autoresearch for Production-Agent Red-Teaming [8.592488240217625]
  本研究では, 1 つのエージェント研究環境を用いて, 生産用 LLM エージェントの自動リピートについて検討した。 脆弱性仮説を提案し、ファルシファイアを構築し、有効な攻撃をインスタンス化し、サンドボックス化されたハーネスで実行し、検証された結果をVulnerability Concept Graph(VCG)にプロモートする。 直接および間接的な攻撃をカバーする3つのシナリオに関するClude CodeとCodexの裏側で、発見された概念は、モデルとエージェント間で再利用可能な脆弱性コアを明らかにしている。
  論文  参考訳（メタデータ） (2026-07-13T15:31:04Z)
• Code-Augur: Agentic Vulnerability Detection via Specification Inference [8.217845898392293]
  自律的なLLMエージェントによる監査が、ソフトウェアの重大な脆弱性を明らかにしている。 本稿では,エージェントの暗黙的な仮定をセキュリティ仕様として明示的に公開する,セキュリティ仕様優先のパラダイムを提案する。 エージェント脆弱性検出のための新しいハーネスであるCode-Augurにおける我々のアプローチを実現する。
  論文  参考訳（メタデータ） (2026-06-17T02:32:45Z)
• From Prompt Injection to Persistent Control: Defending Agentic Harness Against Trojan Backdoors [89.92617739143846]
  ローカルエージェントハーネスにおけるマルチステップトロイの木馬攻撃を識別するベンチマークであるClawTrojanを紹介する。 そこで我々は,DASGuardを提案する。DASGuardは,コントロールライクなテキストをセンシティブなローカルファイルでスキャンし,その起源を辿り,信頼されたソースから派生しないコントロールコンテンツを除去する。 この結果から, DASGuardは, 実行時の攻撃ブロックと作業空間への衛生的コミットを組み合わせることで, 強力な動的防御を実現することがわかった。
  論文  参考訳（メタデータ） (2026-05-29T09:19:07Z)
• Persistent Backdoor Attacks under Continual Fine-Tuning of LLMs [33.568493008851746]
  組込みバックドアが多段階後細調整によって持続するかどうかについて検討した。 P-Trojanは、繰り返し更新するバックドアの永続性を明示的に最適化するトリガーベースの攻撃アルゴリズムである。
  論文  参考訳（メタデータ） (2025-12-12T11:40:51Z)
• Towards Effective, Stealthy, and Persistent Backdoor Attacks Targeting Graph Foundation Models [62.87838888016534]
  Graph Foundation Models(GFM)は、さまざまなソースドメインで事前トレーニングされ、目に見えないターゲットに適応する。 GFMに対するバックドア攻撃は、3つの主要な課題のために簡単ではない。 グラフ基礎モデルに対する新たなバックドア攻撃モデルであるGFM-BAを提案する。
  論文  参考訳（メタデータ） (2025-11-22T08:52:09Z)
• Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
  自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。 敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
  論文  参考訳（メタデータ） (2025-10-03T12:47:21Z)
• Trigger without Trace: Towards Stealthy Backdoor Attack on Text-to-Image Diffusion Models [70.03122709795122]
  テキストと画像の拡散モデルをターゲットにしたバックドア攻撃が急速に進んでいる。 現在のバックドアサンプルは良性サンプルと比較して2つの重要な異常を示すことが多い。 我々はこれらの成分を明示的に緩和することでTwT(Trigger without Trace)を提案する。
  論文  参考訳（メタデータ） (2025-03-22T10:41:46Z)
• DemonAgent: Dynamically Encrypted Multi-Backdoor Implantation Attack on LLM-based Agent [9.303780866480677]
  我々は,textbfDynamically Encrypted Multi-Backdoor implantation Attackと呼ばれる新しいバックドアインプラント戦略を提案する。 動的暗号化を導入し、バックドアを良質なコンテンツにマッピングし、安全監査を効果的に回避する。 本稿では,エージェントバックドア攻撃の包括的評価を目的としたデータセットであるAgentBackdoorEvalを提案する。
  論文  参考訳（メタデータ） (2025-02-18T06:26:15Z)
• Turn the Combination Lock: Learnable Textual Backdoor Attacks via Word Substitution [57.51117978504175]
  最近の研究では、ニューラルネットワーク処理(NLP)モデルがバックドア攻撃に弱いことが示されている。 バックドアを注入すると、モデルは通常、良質な例で実行されるが、バックドアがアクティブになったときに攻撃者が特定した予測を生成する。 単語置換の学習可能な組み合わせによって活性化される見えないバックドアを提示する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:17Z)

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。