論文の概要: Lost in Permissions: Exploring the Microsoft 365 App Ecosystem
- arxiv url: http://arxiv.org/abs/2608.02336v1
- Date: Mon, 03 Aug 2026 14:54:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.611277
- Title: Lost in Permissions: Exploring the Microsoft 365 App Ecosystem
- Title（参考訳）: 許可失う - Microsoft 365アプリのエコシステムを探る
- Abstract要約: M365サードパーティアプリケーションの最初のプライバシおよびセキュリティ指向の測定結果を示す。
それらの中の1,069は、説明と許可セットの両方を公開しており、透明性に重大な矛盾があることに気付きました。
総じて,M365アプリエコシステムにおけるシステム不透明度と構造不成熟度が明らかになった。
- 参考スコア（独自算出の注目度）: 0.6719751155411074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Microsoft 365 (M365) ecosystem hosts thousands of third-party applications that integrate with enterprise tenants via fine-grained OAuth permissions, potentially granting access to sensitive organisational resources such as emails, files, calendars, chats, and user directories. Despite the security implications of these permission grants, the M365 ecosystem has not been systematically studied. We present the first privacy- and security-oriented measurement of M365 third-party applications. By combining public marketplace APIs with automated tenant-side deployment, we crawl over 8,000 applications. We find that only 1,069 of them expose both descriptions and permission sets, with significant inconsistencies in transparency across official distribution channels. Next, we leverage a topic-aware anomaly detection framework to assess whether requested permissions align with declared functionality. We cluster applications via Neural Topic Modelling and apply unsupervised anomaly detection within each topic to identify deviations from peer permission profiles. LLM-assisted analysis of the most anomalous cases and blind manual inspection reveal a correlation between anomalous permission profiles and the risk associated with the requested permissions. We find that many applications request overly broad tenant-wide scopes (e.g., directory-wide read/write access), violating least-privilege principles and increasing the organisational attack surface. Our pipeline provides tenant administrators with actionable insights by identifying anomalous applications and the permissions that most contribute to their anomalousness. Overall, our findings expose systemic opacity and structural immaturity in the M365 app ecosystem, where permission disclosure is inconsistent and over-privileged access is common.
- Abstract（参考訳）: Microsoft 365 (M365)エコシステムは、きめ細かいOAuth許可を通じてエンタープライズテナントと統合する数千のサードパーティアプリケーションをホストし、メール、ファイル、カレンダー、チャット、ユーザディレクトリなどの機密性の高い組織リソースへのアクセスを許可する可能性がある。
これらの許可のセキュリティへの影響にもかかわらず、M365エコシステムは体系的に研究されていない。
M365サードパーティアプリケーションの最初のプライバシおよびセキュリティ指向の測定結果を示す。
公開マーケットプレイスAPIとテナント側の自動デプロイメントを組み合わせることで、8,000以上のアプリケーションをクロールします。
公式配布チャネル間の透明性に大きな矛盾があるが、説明と許可セットの両方を公開しているのは1,069人しかいない。
次に、要求された許可が宣言された機能と一致しているかどうかを評価するために、トピック対応の異常検出フレームワークを活用する。
我々はNeural Topic Modellingを介してアプリケーションをクラスタリングし、各トピック内で教師なし異常検出を適用して、ピアパーミッションプロファイルからの逸脱を識別する。
LLMによる最も異常な症例の解析と盲目手検査により,異常な許可プロファイルと要求された許可に関連するリスクとの相関が明らかとなった。
多くのアプリケーションは、広範囲にわたるテナント範囲(例えば、ディレクトリ全体の読み取り/書き込みアクセス)を要求し、最小限の原則に違反し、組織的な攻撃面を増大させます。
私たちのパイプラインは、異常なアプリケーションと、その異常に最も寄与するパーミッションを特定することで、テナント管理者に実行可能な洞察を提供する。
M365アプリエコシステムでは,パーミッション開示が不整合であり,過剰アクセスが一般的である。
関連論文リスト
- How Agents Ask for Permission: User Permissions for AI Agents, from Interfaces to Enforcement [55.966820779528376]
AIエージェントが普及するにつれて、ユーザーはそのようなシステムが抱えるリスクにますますさらされている。
プロンプト・インジェクション・アタックや幻覚は、エージェントに個人情報を第三者にリークさせる可能性がある。
自律システムとして、エージェントは、ユーザの意図や承認なしに、銀行取引のような機密性の高いタスクを実行することの、より積極的な危険性を示す。
論文 参考訳（メタデータ） (2026-07-15T11:36:22Z) - Overprivilege Analysis of Security Policies in Serverless Cloud Applications [1.3068208613904335]
1,293関数からなる689のAWS Lambdaアプリケーションのキュレートデータセットを分析した。
47.7%のアプリケーションは、99.65%の大幅な特権削減可能性を持つ過剰な許可を持っている。
18.8%のアプリケーションは不要なプリヴィリエジエスカレーション機能を備えており、12のアプリケーションは必要としなかったディフェンス・エスカレーション権限を持っていた。
論文 参考訳（メタデータ） (2026-07-03T02:22:14Z) - Understanding and Mitigating Prompt Leaking Attacks in Real-World LLM-Based Applications [57.33208520608409]
本稿では,大規模言語モデル(LLM)に基づくアプリケーションにおいて,プロンプトリークのシステマティックスタディを提案する。
デプロイの80%以上は、現実的な逆クエリの下で、システムにリークする。
我々は、最適化可能なソフトプロンプトを用いてモデルの注意を喚起する実用的な防御であるARAを提案する。
論文 参考訳（メタデータ） (2026-06-17T04:20:00Z) - FIKA-Bench: From Fine-grained Recognition to Fine-Grained Knowledge Acquisition [54.31138496553705]
日常生活におけるきめ細かい認識は、しばしばクローズドブックの分類問題ではない。
既存のベンチマークは主に視覚的認識を評価しており、このアクティブな外部知識獲得能力は過小評価されている。
そこでは,システムが外部の証拠を探し,検証し,利用し,オープンエンドのきめ細かい認識質問に答えなければならない,きめ細かな知識獲得について検討する。
論文 参考訳（メタデータ） (2026-05-13T08:49:51Z) - Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。
ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
論文 参考訳（メタデータ） (2026-01-20T06:42:56Z) - Demystifying Progressive Web Application Permission Systems [5.879181029987908]
プログレッシブWebアプリケーション(PWA)は、オフラインアクセス、プッシュ通知、インストール性などの機能を提供するWebとネイティブアプリの利点を融合している。
彼らのパーミッション管理は、まだ定義が不十分で、プラットフォームやブラウザ間で不整合に実装されている。
我々の研究は、PWAの統一的で堅牢なパーミッションモデルの必要性を強調します。
論文 参考訳（メタデータ） (2025-09-16T22:03:47Z) - From Hugging Face to GitHub: Tracing License Drift in the Open-Source AI Ecosystem [12.206378714907075]
オープンソースのAIエコシステムにおける隠れたライセンス紛争は、重大な法的および倫理的リスクをもたらす。
我々はHugging Face上でデータセットとモデルのライセンスのエンドツーエンド監査を初めて提示する。
論文 参考訳（メタデータ） (2025-09-11T21:46:20Z) - A Comprehensive Analysis of Evolving Permission Usage in Android Apps: Trends, Threats, and Ecosystem Insights [9.172402449557264]
適切なパーミッション使用に関する公式なAndroidプラットフォーム資料にもかかわらず、それでも多くのパーミッション悪用ケースがある。
本研究は,Androidのパーミッション・ランドスケープを包括的に分析する。
良心と悪意のあるアプリケーションを区別することで、開発者の進化戦略を明らかにします。
論文 参考訳（メタデータ） (2025-08-04T02:54:10Z) - OrgAccess: A Benchmark for Role Based Access Control in Organization Scale LLMs [7.999158988904784]
大規模言語モデル(LLM)は、エンタープライズ環境での統合知識リポジトリとインテリジェントアシスタントとして機能する。
この重要な能力を評価することは、現実の企業データとアクセス制御ポリシーの独自性と機密性のため、本質的に難しい。
組織の役割やレベルに共通する40種類のパーミッションからなる,総合的かつ代表的な textbfOrgAccess ベンチマークを導入する。
論文 参考訳（メタデータ） (2025-05-25T14:30:15Z) - Which Agent Causes Task Failures and When? On Automated Failure Attribution of LLM Multi-Agent Systems [50.29939179830491]
LLMマルチエージェントシステムにおける障害帰属は、まだ調査が過小評価されており、労働集約的である。
本稿では,3つの自動故障帰属手法の開発と評価を行い,その欠点と欠点を要約する。
最良の方法は、障害に応答するエージェントを特定する際に53.5%の精度を達成するが、故障の特定には14.2%しか役に立たない。
論文 参考訳（メタデータ） (2025-04-30T23:09:44Z) - Seeker: Towards Exception Safety Code Generation with Intermediate Language Agents Framework [58.36391985790157]
現実世界のソフトウェア開発では、不適切な例外処理がコードの堅牢性と信頼性に重大な影響を与えます。
コードにおける例外処理を改善するために,大規模言語モデル (LLM) の利用について検討する。
例外処理のエキスパート開発者戦略に触発されたマルチエージェントフレームワークであるSeekerを提案する。
論文 参考訳（メタデータ） (2024-12-16T12:35:29Z) - Towards Exception Safety Code Generation with Intermediate Representation Agents Framework [54.03528377384397]
大規模言語モデル(LLM)は、しばしば生成されたコードの堅牢な例外処理に苦しむ。
中間表現(IR)アプローチにより,LLM生成コードの例外安全性を実現する新しいマルチエージェントフレームワークであるSeekerを提案する。
Seekerは例外処理をScanner, Detector, Predator, Ranker, Handlerの5つの特殊エージェントに分解する。
論文 参考訳（メタデータ） (2024-10-09T14:45:45Z)
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。