論文の概要: LLM-Assisted Dynamic Threat Analysis for Attacker-Reachable Software Weaknesses in Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2608.13450v1
• Date: Thu, 13 Aug 2026 16:33:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.603392
• Title: LLM-Assisted Dynamic Threat Analysis for Attacker-Reachable Software Weaknesses in Autonomous Vehicles
• Title（参考訳）: 自律走行車における攻撃者対応型ソフトウェア弱さに対するLLM支援動的脅威解析
• Abstract要約: 大規模言語モデル(LLM)が自律走行スタックの静的解析を自動化できるかを検討する。 1,375の判定ルール,2,274の検証チェック,482のインプット・トゥ・セーフティ・アウトプットフローを識別し,コンパイラの静的解析を行う。 2つのローカルオープンウェイトLDM、非静的コンテキストアブレーション、ナイーブテンプレートベースラインは3,700個のアーティファクトセットを生成する。 主な結果は、ビルド統合失敗の分類であり、最初のショットコンパイル失敗の80%は、プログラムロジックよりも依存性の配線から発生していることを示している。
• 参考スコア（独自算出の注目度）: 6.008950554571275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous vehicles depend on large safety-critical software stacks, where weaknesses reachable from adversarial inputs may affect steering, braking, or other control decisions. Static analysis can identify candidate sites, but dynamically confirming exploitability requires executable test artifacts that are difficult to construct manually. We investigate whether large language models (LLMs) can automate this process for Autoware, an open-source autonomous-driving stack. We perform compiler-precise static analysis across 185 packages, identifying 1,375 decision rules, 2,274 validation checks, and 482 input-to-safety-output flows, from which we derive a weakness taxonomy and sample 740 reachable sites. Two local open-weight LLMs, a no-static-context ablation, and a naive-template baseline generate 3,700 artifact sets, which are compiled against the real build under sanitizers, repaired through compiler-in-the-loop feedback, and fuzzed when executable. The main result is a build-integration failure taxonomy showing that 80% of first-shot compilation failures arise from dependency wiring rather than program logic. The reasoning model compiled 64% of harnesses on the first attempt, compared with 6% for the code-specialized model. Repair achieved full object-compileability for the reasoning model only through extensive stubbing; fewer than half of its harnesses reached the fuzzer, and all 37 observed crashes originated in stubbed code rather than Autoware. No candidate weakness was dynamically confirmed within budget. These results show that build integration, not candidate generation or fuzzing, is the primary barrier to reliable LLM-assisted dynamic analysis of full autonomous-vehicle software stacks.
• Abstract（参考訳）: 自動運転車は大規模な安全クリティカルなソフトウェアスタックに依存しており、敵の入力から到達可能な弱点はステアリング、ブレーキ、その他の制御決定に影響を与える可能性がある。 静的解析は、候補サイトを特定することができるが、動的にエクスプロイラビリティを確認するには、手動で構築するのが難しい実行可能なテストアーティファクトが必要である。 大規模言語モデル(LLM)が,オープンソースの自動運転スタックであるAutowareに対して,このプロセスを自動化できるかを検討する。 我々は185のパッケージにまたがってコンパイラ精度の静的解析を行い,1,375の判定ルール,2,274の検証チェック,482のインプット・トゥ・セーフティ・アウトプットフローを同定し,弱点分類とサンプル740の到達可能なサイトを抽出した。 2つのローカルなオープンウェイト LLM、no-static-context ablation、naive-template ベースラインは3,700個のアーティファクトセットを生成し、サニタイザの下で実際のビルドに対してコンパイルされ、コンパイラ・イン・ザ・ループのフィードバックによって修復され、実行時にファズされる。 主な結果は、ビルド統合失敗の分類であり、最初のショットコンパイル失敗の80%は、プログラムロジックよりも依存性の配線から発生していることを示している。 推論モデルは最初の試行で64%のハーネスをコンパイルした。 修理は、広範囲なスタブによってのみ、推論モデルの完全なオブジェクトコンパイルが可能となり、ハーネスの半分未満がファザーに到達し、37件のすべてのクラッシュは、オートウェアではなくスタブ化されたコードから発生した。 予算内では、候補の弱点は動的に確認されなかった。 これらの結果から,ビルド統合は候補生成やファジングではなく,信頼性の高いLCM支援型ソフトウェアスタックの動的解析の主要な障壁であることが明らかとなった。

関連論文リスト

• LLMSec-AV: A Vulnerability Taxonomy and LLM-Driven Software Weakness Discovery Framework for Autonomous Vehicles [6.341317643879287]
  明示的な自動車両(AV)セキュリティ知識を持つ大規模言語モデル(LLM)は、ルールベースのツールを超えた弱点検出を改善する。 我々は、脆弱な18のクラス、脆弱性記録、セキュリティアドバイザリ、AVセキュリティ文献を備えたAV脆弱性分類を開発し、LLMベースの自動車両セキュリティ分析(LLMSec-AV)に統合した。 LLMSec-AVは、脆弱性発見のためのAV脆弱性分類を導入し、LLMが実際のAVソフトウェアで安全関連発見を特定し、整理することで、従来のアナライザを補完できることを示した。
  論文  参考訳（メタデータ） (2026-09-08T19:39:25Z)
• CyberLLM: A Multi-Agent LLM Framework for Autonomous Detection and Guarded Response in Automotive Cybersecurity [22.68559728326395]
  CyberLLMは、脆弱性を自律的に検出し、正式なランタイム安全ガードの下で修正を実行するフレームワークである。 決定エージェントは発見を集約し、人間中心のアセット分類でタグ付けし、タイレッド応答を選択する。 対称攻撃パイプラインはエクスプロイトを生成し再生し、両方のサイドを同じシナリオで実行することができる。
  論文  参考訳（メタデータ） (2026-08-06T23:39:13Z)
• Portable models as a replacement for industrial heuristics in compiler optimizations [0.0]
  本稿では,コンパクトコンパイラ,ソース・ソース・ツール,インタプリタにおける関数インライン化決定の予測の可能性について検討する。 この作業の関連性は、成熟したインライン化最適化を限られたコンパイラ基盤を持つシステムに転送する必要性によって決定される。
  論文  参考訳（メタデータ） (2026-07-19T19:43:14Z)
• OpenAnt: LLM-Powered Vulnerability Discovery Through Code Decomposition, Adversarial Verification, and Dynamic Testing [0.0]
  本稿では,オープンソースの脆弱性発見システムOpenAntを紹介する。 静的プログラム解析とLLMベースの推論を多段階パイプラインに統合する。 OpenAntはApache 2.0ライセンスの下でオープンソースとしてリリースされた。
  論文  参考訳（メタデータ） (2026-06-17T14:56:04Z)
• ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
  $textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。 Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:20:51Z)
• OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models [69.2503510410147]
  予め訓練されたVLM上に構築した統合自動運転フレームワークを提案する。 トレーニング済みのVLMアテンションは、純粋言語モデリング以上の強い伝達性を示すことを示す。 エンドツーエンドの自動運転ベンチマークの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T07:50:00Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• VIBEPASS: Can Vibe Coders Really Pass the Vibe Check? [46.85901599242161]
  emphFault-Triggering Test Generation(FT-Test)とemphFault-targeted Program repair(FPR)の2つの組み合わせタスクを評価した。 故障対象推論は一般的な符号化能力ではスケールしないことがわかった。 自己生成テストが障害の発見に成功すると、結果として得られた修復結果が外部から提供されたテストによってガイドされた修復と一致したり、性能が低下する。
  論文  参考訳（メタデータ） (2026-03-16T21:14:28Z)
• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• Decompiling Smart Contracts with a Large Language Model [51.49197239479266]
  Etherscanの78,047,845のスマートコントラクトがデプロイされているにも関わらず(2025年5月26日現在)、わずか767,520 (1%)がオープンソースである。 この不透明さは、オンチェーンスマートコントラクトバイトコードの自動意味解析を必要とする。 バイトコードを可読でセマンティックに忠実なSolidityコードに変換する,先駆的な逆コンパイルパイプラインを導入する。
  論文  参考訳（メタデータ） (2025-06-24T13:42:59Z)
• SafeAuto: Knowledge-Enhanced Safe Autonomous Driving with Multimodal Foundation Models [63.71984266104757]
  我々は、構造化されていない知識と構造化されていない知識の両方を取り入れることで、MLLMベースの自動運転を強化するフレームワークであるSafeAutoを提案する。 安全知識を明示的に統合するため,交通ルールを一階述語論理に変換する推論コンポーネントを開発した。 我々のマルチモーダル検索・拡張生成モデルは、過去の運転経験から学ぶために、ビデオ、制御信号、環境特性を活用する。
  論文  参考訳（メタデータ） (2025-02-28T21:53:47Z)

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。