論文の概要: AdaRare: Telemetry-Guided Joint Profile Control for Greybox Fuzzing
- arxiv url: http://arxiv.org/abs/2608.18187v1
- Date: Tue, 18 Aug 2026 09:33:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.174606
- Title: AdaRare: Telemetry-Guided Joint Profile Control for Greybox Fuzzing
- Title（参考訳）: AdaRare:Greybox Fuzzingのためのテレメトリ誘導関節プロファイラ制御
- Abstract要約: グレイボックスファッジャは相互作用するキュー、突然変異、辞書、エネルギー、比較解決制御面を組み合わせる。
AdaRareは5つの内部アクティベーションメカニズムをコーディネートするAFL++拡張である。
- 参考スコア（独自算出の注目度）: 1.3960594124957035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Greybox fuzzers combine interacting queue, mutation, dictionary, energy, and comparison-solving control surfaces, while prior adaptive systems typically optimize other decision objects or control layers. We present AdaRare, an AFL++ extension that coordinates five internal actuation mechanisms as one bounded in-process profile updated every 5,000 ms. Completed-window, action-induced telemetry feeds an arm-local recency-weighted linear scorer and a profile-conditioned controller target. The scorer borrows the algebraic structure of disjoint LinUCB, but serves as a closed-loop profile-ranking mechanism rather than a calibrated contextual-bandit action-value estimator or statistical confidence bound. Across three sequential repeated-trial phases, Main provides broad integrated-system evidence: AdaRare has higher median edge coverage than vanilla AFL++ on all eight targets, with five Holm-significant comparisons. In the strongest matched result, Full AdaRare has higher median edge coverage than CmpLog-matched AFL++ on all five follow-up targets, with four Holm-significant comparisons. Batch A finds higher medians for telemetry-guided selection than fixed-context, random, and round-robin schedules in all 15 target-control comparisons, with 13 Holm-significant comparisons. The experiments do not establish independent No-A6-versus-Shadow or scarcity-bundle effects; A6 evidence is target-dependent and weakens under batch-wide correction. In an unmatched firmware case study, AdaRare-generated inputs exposed five distinct memory-corruption findings, each reproduced in a separate environment and later assigned a CVE identifier. Controller-boundary compute P99 medians are below 6.5 ms for a five-second window; complete-boundary P99 medians including synchronous logging are below 14.7 ms. These measurements characterize boundary latency, not total system overhead.
- Abstract（参考訳）: グレーボックスファッジャは相互作用するキュー、突然変異、辞書、エネルギー、比較解決制御面を組み合わせ、従来の適応システムは一般に他の決定対象や制御層を最適化する。
AdaRareは,5つの内部動作機構を5000ms毎に更新された1つのプロセス内プロファイルとしてコーディネートするAFL++拡張である。
スコアラーは不連結LinUCBの代数構造を借用するが、キャリブレーションされた文脈帯域アクション値推定器や統計的信頼境界よりも閉ループプロファイルランク機構として機能する。
AdaRareは、すべての8つのターゲットにおいて、バニラAFL++よりも、中央値のエッジカバレッジが高く、5つのホルム重要な比較がある。
最強のマッチング結果では、Full AdaRareは、CmpLogにマッチしたAFL++よりも、すべてのフォローアップターゲットにおいて、中央値のエッジカバレッジが高い。
Batch Aは、固定コンテキスト、ランダム、ラウンドロビンのスケジュールよりも、テレメトリ誘導選択の中央値が高いことを15の目標制御比較で見出した。
実験は独立したNo-A6-versus-Shadow効果や希少結合効果を確立せず、A6の証拠はターゲット依存であり、バッチワイド補正の下で弱まる。
ファームウェアのケーススタディでは、AdaRareが生成したインプットは5つの異なるメモリ破壊結果を示し、それぞれが別々の環境で再生され、後にCVE識別子が割り当てられた。
コントローラ境界計算のP99中央値は5秒のウィンドウでは6.5ms以下であり、同期ロギングを含む完全境界計算のP99中央値は14.7ms以下である。
関連論文リスト
- Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - ARISE: An adaptive residual-informed stability ensemble for feature selection in small-sample biomedical omics [0.7286424005725253]
小サンプル分子分類では、予測的、安定的、および非冗長なサブセットを二項および多クラスの結果として識別するセレクタが必要である。
本稿では, 相補的関連信号, クラスバランス安定性評価, 残差インフォームド冗長性制御, マルチクラス対のカバレッジを統合したARISEを提案する。
論文 参考訳（メタデータ） (2026-08-14T20:10:22Z) - Iterate or Widen? When Test-Time Refinement Helps LiDAR Scene Completion: A Controlled Study of Evidence Geometry, Training Coverage, and Compute [4.730664917323328]
我々は,同じ凍結予測器から1ショットの予測器,パラメータマッチングされたより広い予測器,および重み付き乗算器を比較した。
このプロトコルは、コヒーレント領域の除去、独立した薄型化、範囲依存性の減衰、および添加性クラッタを分離する。
5つの訓練種子と815個のセマンティックKITTI-08フレームにまたがって、完全な反復システムはmIoUを0.911ポイントの範囲で改善する。
論文 参考訳（メタデータ） (2026-08-06T13:19:14Z) - Harnessing LLMs for Reliable Academic Supervision: A Comparative Study [0.0]
大規模言語モデルは、単発プロンプトに対する流動的な回答を日常的に生成するが、それらをドメイン決定システムの信頼性の高いコンポーネントとしてデプロイするのは、かなり難しい。
このギャップを埋めるのは、決定論的足場を意図的に構成する、ハーネスエンジニアリングの作業である。
本稿では,高評価,経時的アカウンタビリティ,構造化された運用研究を併用した,学術的監督の事例を紹介する。
論文 参考訳（メタデータ） (2026-07-16T08:14:27Z) - Cross-Layer Intrusion Detection in 5G O-RAN: Gains and Limits of Fusing Radio Telemetry with Network Flow Records [2.992414059774663]
オープンRANデアグリゲーションは、DUラジオテレメトリとCU側ネットワークフローレコードのジョイント分析を可能にする。
これら2つのモダリティの融合が7つのアーキテクチャで個別に改善されるかどうかを評価する。
論文 参考訳（メタデータ） (2026-06-21T11:48:23Z) - ATLAS: All-round Testing of Long-context Abilities across Scales [42.83200405769639]
ATLASは、長文評価を長さ依存の能力プロファイルとして再定義するベンチマークフレームワークである。
ATLASは、(i)アプリケーションワークロードから基礎的な操作を分離する階層化された分類法、(ii)固定された8K-1Mグリッド上のスコア長曲線を統合するAUCスコア、(iii)不均衡なプロファイルをペナルライズする分類カテゴリー上の調和平均集計であるATLAScoreの3つの方法論に貢献する。
論文 参考訳（メタデータ） (2026-05-27T07:33:47Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Measuring Black-Box Confidence via Reasoning Trajectories: Geometry, Coverage, and Verbalization [19.932655936670564]
信頼度推定は、テキストのみのAPIを通じて、チェーン・オブ・ソート(CoT)推論の安全なデプロイを可能にする。
本研究では,CoTをスライドウインドウ軌道として埋め込んだブラックボックストラジェクトリ信頼スコアを提案し,その収束度を外部応答アンカーに測定する。
論文 参考訳（メタデータ） (2026-05-07T14:10:23Z) - How Independent are Large Language Models? A Statistical Framework for Auditing Behavioral Entanglement and Reweighting Verifier Ensembles [46.63622714488747]
共有事前学習データ、蒸留、アライメントパイプラインは、隠れた振る舞い依存、潜伏絡みを誘導することができる。
実際には、これは相関した推論パターンと同期された障害として現れます。
ブラックボックス言語モデル間の行動絡みを監査するための統計的枠組みを開発する。
論文 参考訳（メタデータ） (2026-04-08T23:32:06Z) - Do Generative Metrics Predict YOLO Performance? An Evaluation Across Models, Augmentation Ratios, and Dataset Complexity [43.338311770275745]
本報告では, YOLOv11の合成増強の制御された評価法について述べる。
実際のトレーニングスプリットの10%から150%の増大率に対して, GAN, 拡散, ハイブリッドベースの6つのジェネレータをベンチマークした。
データセット生成/拡張設定毎に、マッチしたサイズのブートストラッププロトコルで事前トレーニングデータセットメトリクスを計算する。
論文 参考訳（メタデータ） (2026-02-20T03:02:36Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z)
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。