論文の概要: Plaintext Recovery Against Post-Filtering Access Control

• arxiv url: http://arxiv.org/abs/2608.11730v1
• Date: Wed, 12 Aug 2026 07:11:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.486519
• Title: Plaintext Recovery Against Post-Filtering Access Control
• Title（参考訳）: ポストフィルタアクセス制御に対する平文回復
• Abstract要約: ファインレベルアクセス制御(RLS)とドキュメントレベルセキュリティ(DLS)は、複数のユーザが共有する物理インデックス構造に格納されたデータへのアクセスを制限するために、データベースに広くデプロイされている。 FGACの実装では、信頼できないクエリがすべてのデータ上で実行され、その後、プライベートな結果が再実行される、ポストフィルタが使用されることが多い。 ダメージを受ける一方で、事前攻撃は、フルレコードやテキストドキュメントのような、リッチで高エントロピーなデータの効率的なリカバリを可能にしません。
• 参考スコア（独自算出の注目度）: 1.261497003127225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fine-grained access control (FGAC) mechanisms such as row-level security (RLS) and document-level security (DLS) are widely deployed in databases to restrict access to data stored in physical indexing structures shared by multiple users (e.g., in multi-tenant databases, or in the implementation of least-privilege within an organization). FGAC implementations often use post-filtering where untrusted queries run over all data and private results are redacted afterwards. Prior work shows this approach can lead to side-channels that enable attackers to test if a chosen value exists in unseen data. While damaging, prior attacks do not enable the efficient recovery of rich, high-entropy data like full records or text documents. We show these side-channels are more damaging than previously thought. Using rich query interfaces (e.g., range, prefix, and conjunctive predicates), we amplify existence leakage into reconstruction attacks. We do this in two settings: - PostgreSQL (RLS timing). We exploit a timing side-channel and expressive SQL queries (e.g., ranges, conjunctions) to enumerate unknown attribute values and, in turn, full records via binary search over large domains. - Elasticsearch/OpenSearch (DLS scoring). We exploit scoring and prefix-expansion side-channels to recover indexed terms from documents. In some cases, we can extract $n$-grams in the corpus to recover approximate text. Our results show that FGAC side-channels must be evaluated in the presence of rich predicates, which can turn membership tests into scalable reconstruction of high-entropy records.
• Abstract（参考訳）: 行レベルのセキュリティ(RLS)やドキュメントレベルのセキュリティ(DLS)といったFGACメカニズムは、複数のユーザが共有する物理インデックス構造(マルチテナントデータベース、組織内の最小特権の実装など)に格納されたデータへのアクセスを制限するために、データベースに広くデプロイされている。 FGACの実装では、信頼できないクエリがすべてのデータ上で実行され、その後、プライベートな結果が再実行される、ポストフィルタが使用されることが多い。 以前の調査では、このアプローチがサイドチャネルにつながることが示されており、攻撃者が選択した値が見えないデータに存在するかどうかをテストすることができる。 ダメージを受ける一方で、事前攻撃は、フルレコードやテキストドキュメントのような、リッチで高エントロピーなデータの効率的なリカバリを可能にしません。 これらのサイドチャネルは以前考えられていたよりも被害が大きいことを示す。 リッチなクエリインタフェース(例えば、範囲、接頭辞、接頭辞述語)を用いて、リコンストラクション攻撃における存在漏洩を増幅する。 これは、PostgreSQL(RLSタイミング)という2つの設定で行います。 我々は、タイミング側チャネルと表現型SQLクエリ(例えば、範囲、接続)を利用して未知の属性値を列挙し、大きなドメインを二分探索することで完全なレコードを列挙する。 -Elasticsearch/OpenSearch(DLSスコア)。 我々は、文書からインデックス付き用語を復元するために、スコアリングとプレフィックス拡張サイドチャネルを利用する。 場合によっては、コーパスから$n$-gramを抽出して、近似テキストを復元することができる。 以上の結果から,FGACサイドチャネルは豊富な述語の存在下で評価されなければならないことが示唆された。

関連論文リスト

• EnSI-RAG: Entity-Structure-Indexed Retrieval-Augmented Generation for Long-Document Question Answering [15.557103631480445]
  本稿では,クエリ非依存のエンティティ中心インデックスを構築するフレームワークであるEnSI-RAGを提案する。 クエリ時、これらのレコードは検索ハンドルとして機能し、LLMは検索したパスを最終回答に合成する。 LoongとOolongにまたがって、EnSI-RAGの平均精度は78.24である。
  論文  参考訳（メタデータ） (2026-08-21T16:05:00Z)
• Rethinking RAG in Long Videos: What to Retrieve and How to Use It? [56.38819694781005]
  V-RAGBenchは$langle$query, evidence chunk, answer$rangle$三重項のベンチマークで、検索と生成を忠実に分離した評価を可能にする。 また、CARVEは、コンフィグレーションにまたがって並列レトリバーを動作させ、チャンク毎に入賞構成を識別するためにチャンク適応リランクを用いる手法である。
  論文  参考訳（メタデータ） (2026-06-11T10:05:49Z)
• HiKEY: Hierarchical Multimodal Retrieval for Open-Domain Document Question Answering [19.052998569565627]
  HiKEYは階層木に基づくマルチモーダル検索フレームワークであり、文書階層を1級検索信号に高める。 ODQAベンチマークの実験では、HiKEYはページベースとチャンクベースのベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2026-05-28T08:42:21Z)
• GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
  GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。 DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
  論文  参考訳（メタデータ） (2026-05-28T03:37:33Z)
• Doc2Query++: Topic-Coverage based Document Expansion and its Application to Dense Retrieval via Dual-Index Fusion [8.523351031498839]
  クエリ生成によるドキュメント拡張(DE)は、スパース検索において語彙ミスマッチに取り組むが、制限に直面している。 ドキュメントの潜在トピックをまず推測することでクエリ生成を構造化するDEフレームワークであるDoc2Query++を紹介します。 本稿では,テキストとクエリ信号を分離し,高密度設定における性能を向上させるDual-Index Fusion戦略を提案する。
  論文  参考訳（メタデータ） (2025-10-10T17:07:48Z)
• Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
  The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。 SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
  論文  参考訳（メタデータ） (2025-07-14T08:41:53Z)
• ImpliRet: Benchmarking the Implicit Fact Retrieval Challenge [50.93758649363798]
  Impliretは、推論の課題をドキュメント側処理にシフトするベンチマークである。 我々は,この環境下で苦戦している,疎水・密集したレトリバーの幅を評価した。
  論文  参考訳（メタデータ） (2025-06-17T11:08:29Z)
• Hierarchical Retrieval with Evidence Curation for Open-Domain Financial Question Answering on Standardized Documents [9.173952465423966]
  標準化されたドキュメントは、反復的なボイラープレートテキストや同様のテーブル構造など、同様のフォーマットを共有している。 この類似性により、従来のRAGメソッドは、ほぼ重複したテキストを誤識別し、精度と完全性を損なう重複検索につながる。 本稿では,これらの問題に対処するためのEvidence Curationフレームワークを用いた階層検索手法を提案する。
  論文  参考訳（メタデータ） (2025-05-26T11:08:23Z)
• Database-Augmented Query Representation for Information Retrieval [71.41745087624528]
  データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。 DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。 我々はDAQuを多様な検索シナリオで検証し、全体の検索性能を大幅に向上させることを示した。
  論文  参考訳（メタデータ） (2024-06-23T05:02:21Z)
• Progressive Query Expansion for Retrieval Over Cost-constrained Data Sources [6.109188517569139]
  ProQEはプログレッシブなクエリ拡張アルゴリズムで、より多くのドキュメントを取得すると、クエリを反復的に拡張する。 その結果, ProQEは最先端のベースラインを37%上回り, 費用対効果が最も高いことがわかった。
  論文  参考訳（メタデータ） (2024-06-11T10:30:19Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)

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。