論文の概要: Scalpel3: A High-Performance Data Carving Architecture for Recovery of Fragmented Files

• arxiv url: http://arxiv.org/abs/2608.20363v2
• Date: Mon, 24 Aug 2026 16:11:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.282714
• Title: Scalpel3: A High-Performance Data Carving Architecture for Recovery of Fragmented Files
• Title（参考訳）: Scalpel3: フラグメントファイルの復元のための高性能なデータ彫刻アーキテクチャ
• Abstract要約: ファイル彫刻は、デジタル法医学、データリカバリ、デジタル探索において重要な機能である。 既存のツールは、一貫性のあるファイルを効果的にリカバリするが、研究者が新しい断片化されたリカバリ戦略を開発し、展開できるような、公開可能なフレームワークは存在しない。 Scalp3はこのギャップを、連続的かつ断片化されたリカバリのための巨大なスレッドアーキテクチャで埋める。
• 参考スコア（独自算出の注目度）: 4.0107548903554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: File carving recovers files from raw storage without filesystem metadata, a key capability in digital forensics, data recovery, and digital exploration. Existing tools recover contiguous files effectively, but, to our knowledge, no publicly available, format-agnostic, high-performance framework exists in which researchers can develop and deploy new fragmented recovery strategies. Scalpel3 fills this gap with a massively threaded architecture for contiguous and fragmented recovery. Researchers need only write single-threaded validation and reassembly code for a new file type; Scalpel3 supplies worker scheduling, synchronization, checkpointing, and I/O. This separation allows new recovery methods to be added without modifying the backend infrastructure. The architecture also integrates the ONNX Runtime, allowing learned models to be used within validators and recovery strategies. Operational features include interactive human-in-the-loop control, block deduplication, persistent restart checkpoints, incremental output, and a FUSE filesystem for hybrid workflows. We evaluate Scalpel3 on a mixed corpus of more than 80,000 files under contiguous recovery and three controlled fragmentation scenarios: gaps, out-of-order block placement, and both together. Results show fast and accurate contiguous recovery and demonstrate that Scalpel3's massively threaded architecture makes validated fragmented results available substantially earlier than single-threaded execution. Furthermore, strategies tailored to individual file types maintain high overall accuracy across increasingly difficult layouts. Together, these results demonstrate that Scalpel3 provides a practical foundation for developing and deploying fragmented recovery strategies at scale.
• Abstract（参考訳）: ファイル彫刻は、ファイルシステムメタデータなしで生のストレージからファイルを復元する。 既存のツールはファイルを効率的に復元するが、我々の知る限り、研究者が新たな断片化された回復戦略を開発、展開できる、公開可能な、フォーマットに依存しない高性能なフレームワークは存在しない。 Scalpel3はこのギャップを、連続的かつ断片化されたリカバリのための巨大なスレッドアーキテクチャで埋める。 Scalpel3は、ワーカーのスケジューリング、同期、チェックポイント、I/Oを提供する。 この分離により、バックエンドインフラストラクチャを変更することなく、新しいリカバリメソッドを追加することができる。 アーキテクチャはまた、ONNX Runtimeを統合しており、学習したモデルをバリデータとリカバリ戦略内で使用することができる。 運用機能としては、インタラクティブなHuman-in-the-loopコントロール、ブロック重複、永続的な再起動チェックポイント、インクリメンタルアウトプット、ハイブリッドワークフロー用のFUSEファイルシステムなどがある。 Scalpel3を80,000ファイル以上の混合コーパスで連続回復し,3つの制御されたフラグメンテーションシナリオ(ギャップ,アウト・オブ・オー・オー・オブ・ブロック配置,両方)で評価した。 結果から,Scalpel3の大規模スレッド化アーキテクチャが,単一スレッド実行よりもはるかに早く,断片化結果を利用できることを示した。 さらに、個々のファイルタイプに合わせて調整された戦略は、ますます困難なレイアウト全体にわたって高い全体的な精度を維持している。 これらの結果は、Scalpel3が断片化されたリカバリ戦略を大規模に開発、展開するための実践的な基盤を提供することを示している。

関連論文リスト

• Breaking the Compression Barrier: Cross-Architecture Compression Boundary Learning via Reverse Regrowth [1.454787329315493]
  本稿では,境界探索問題として圧縮を再構成する境界学習逆フレームワークBRIDGEを提案する。 提案手法はまず, 崩壊領域を公開するために, 極めて希薄な状態にモデルを駆動し, 臨界構造を選択的に再生し, 性能を回復する。 実験により,本手法はCNNとTransformerアーキテクチャの両方において,崩壊の瀬戸際からモデルを復元可能であることが示された。
  論文  参考訳（メタデータ） (2026-08-17T01:59:23Z)
• Beyond Spatial Compression: Interface-Centric Generative States for Open-World 3D Structure [55.17771962316751]
  現在の3Dトークンは、表現を空間圧縮として扱うが、コンポーネントの所有権とアタッチメントの妥当性は暗黙的に残す。 我々は、トークン化がパッシブ圧縮コードではなく操作状態を構成する、インターフェイス中心の生成状態という別の視点を定式化する。 我々は、この定式化を、C2LT-3D(Component-Conditioned Canonical Local Tokens)でインスタンス化し、表現を標準局所幾何学、パーティション条件付きコンテキスト、およびリレーショナルシーム変数に分解する。
  論文  参考訳（メタデータ） (2026-05-11T12:09:28Z)
• FileGram: Grounding Agent Personalization in File-System Behavioral Traces [79.65734230265521]
  FileGramは、エージェントメモリとファイルシステムの挙動トレースのパーソナライズを基盤とする包括的なフレームワークである。 FileGramEngine、FileGramBench、FileGramOSで構成されている。 このフレームワークをオープンソース化することで、パーソナライズされたメモリ中心のファイルシステムエージェントに関する将来の研究を支援したいと考えています。
  論文  参考訳（メタデータ） (2026-04-06T17:49:31Z)
• SARe: Structure-Aware Large-Scale 3D Fragment Reassembly [14.2680020647518]
  3Dフラグメントの再組み立ては、共通のオブジェクト座標系において、秩序のないフラグメントポイント雲やメッシュの剛性的なポーズを復元することを目的としている。 既存のエンドツーエンドアプローチは、信頼できない接触推論のために障害をカスケードする傾向がある。 本研究では、ユークリッド空間アセンブリ生成のためのSARe-Genと推論時間改善のためのSARe-Refineを用いた生成フレームワークであるStructure-Aware Reassembly(SARe)を提案する。
  論文  参考訳（メタデータ） (2026-03-23T06:13:14Z)
• ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
  逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。 このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-02-17T12:38:57Z)
• xRAG: Extreme Context Compression for Retrieval-augmented Generation with One Token [108.7069350303884]
  xRAGは、検索拡張生成に適した、革新的なコンテキスト圧縮手法である。 xRAGは、言語モデル表現空間に文書の埋め込みをシームレスに統合する。 実験の結果、xRAGは6つの知識集約タスクで平均10%以上の改善を達成していることがわかった。
  論文  参考訳（メタデータ） (2024-05-22T16:15:17Z)
• 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。