論文の概要: Closing the Gap: Automated Discovery of Secure Dockerfile Reference Standards via Semantic Clustering in Enterprise Inner Source

• arxiv url: http://arxiv.org/abs/2608.25793v1
• Date: Wed, 26 Aug 2026 13:46:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.844302
• Title: Closing the Gap: Automated Discovery of Secure Dockerfile Reference Standards via Semantic Clustering in Enterprise Inner Source
• Title（参考訳）: ギャップを閉じる - 企業内部ソースのセマンティッククラスタリングによるセキュアなDockerfileリファレンス標準の自動発見
• Abstract要約: コンテナ化はエンタープライズソフトウェアデリバリを支配しているが、コンテナイメージを組み立てるDockerfileは、セキュリティの誤った設定と構造的技術的負債を頻繁に抱えている。 エンタープライズGitLabインスタンスをクロールし、各Dockerfileに静的なセキュリティと品質のメトリクスを付加する、自動化された6段階のパイプラインを提示します。 99%のファイルには少なくとも1つのセキュリティの誤設定が含まれており、80.8%はDockerfileのベストプラクティスに違反しており、中央値のアーティファクトは838日間修正されていない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Containerization dominates enterprise software delivery, yet Dockerfiles that assemble container images frequently harbor security misconfigurations and structural technical debt. This problem is poorly understood in corporate inner-source environments, where proprietary context and isolated governance prevent direct application of open-source findings. We present an automated, six-stage pipeline that: (1) crawls an enterprise GitLab instance, (2) enriches each Dockerfile with static security and quality metrics (Hadolint, ShellCheck, Trivy) and lifecycle data, (3) groups functionally identical workloads using LLM-generated semantic descriptions and HDBSCAN, and (4) quantifies the optimization gap against cluster-internal reference implementations. Applied to 11,470 Dockerfiles from over 6,200 repositories at a single large industrial company, we find a systemic deficit: 99\% of files contain at least one security misconfiguration, 80.8\% violate Dockerfile best practices, and the median artifact has not been revised for 838~days. Despite this, high-quality reference implementations already exist within 83\% of functional clusters. Adopting these internal standards would increase the average security posture score by 60.4\% without developing any new templates. These findings, grounded in one organization's inner-source ecosystem, provide a data-driven foundation for future automated, context-aware recommender systems targeting enterprise supply-chain security; whether the observed technical-debt distribution and optimization gap generalize to other enterprises remains an open question for future multi-organization study.
• Abstract（参考訳）: コンテナ化はエンタープライズソフトウェアデリバリを支配しているが、コンテナイメージを組み立てるDockerfileは、セキュリティの誤設定や構造的技術的負債を頻繁に抱えている。 この問題は、プロプライエタリなコンテキストと独立したガバナンスがオープンソース発見の直接的な適用を妨げている、企業内部の環境では理解されていない。 1)エンタープライズGitLabインスタンスをクロールし、(2)静的なセキュリティと品質のメトリクス(Hadolint、ShellCheck、Trivy)とライフサイクルデータ、(3)LLMセマンティックなセマンティック記述とHDBSCANを使用して機能的に同一のワークロードのグループ、(4)クラスタ内部参照実装に対する最適化ギャップを定量化する。 1つの大企業で6,200以上のリポジトリから11,470件のDockerfileを適用すると、システム的な欠陥が見つかります。99.%のファイルには少なくとも1つのセキュリティの誤設定が含まれ、80.8.%がDockerfileのベストプラクティスに違反しており、中央値のアーティファクトは838日前から修正されていません。 それにもかかわらず、高品質な参照実装は機能クラスタの83%以内にすでに存在する。 これらの内部標準を採用すると、新しいテンプレートを開発することなく平均的なセキュリティ姿勢スコアが60.4\%向上する。 これらの発見は、ある組織の内部オープンソースエコシステムに根ざして、企業のサプライチェーンセキュリティをターゲットにした、将来自動化されたコンテキスト対応レコメンデーションシステムのための、データ駆動の基盤を提供する。

関連論文リスト

• Vulnerability Localization Benchmark: Measuring Agentic Security Analysis at Repository Scale [54.83971397981572]
  言語モデルエージェントは、ソフトウェアリポジトリ全体を通してますます運用される。 サイバーセキュリティ評価は、関連するコードを見つけることよりも、脆弱性を検出、再生、または修復できるかどうかを測定する。 脆弱性のローカライゼーションについて検討する。弱点クラスと不慣れなリポジトリが与えられた場合、その弱点に関連する実装ファイルを特定する。
  論文  参考訳（メタデータ） (2026-09-14T17:44:51Z)
• Privacy-Preserving Topology-Guided Safety for LLM-Based Multi-Agent Systems via Federated Graph Learning [67.04448659688579]
  FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。 フェデレーションはオプションではなく、オフ・ザ・シェルフ・トランスファーは流通シフトによって崩壊する。 Live FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
  論文  参考訳（メタデータ） (2026-09-02T07:57:12Z)
• From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix [55.08143827481755]
  200以上の内部アプリケーションから1つのモデルにトラフィックを集約します。 我々は、各軸ごとに別々のGRPOエキスパートを訓練し、2段階のSLERPを介してそれらをマージする。 このモデルは、プラットフォームトラフィックの50%、月1億6600万リクエストをサービスコストのごく一部で吸収する。
  論文  参考訳（メタデータ） (2026-09-01T17:39:26Z)
• GCVE: A Decentralized Model for Vulnerability Identification, Publication, and Operational Enrichment [51.77969450792284]
  Global CVEイニシアチブ(Global CVE Initiative, G)は、脆弱性の識別、パブリッシュ、エンリッチメントのための分散化、オープン化、識別子モデルを提案する。 本稿では,自律型G番号認証,ライトウェイトアロケーションルール,分散パブリッシュ,オープン・ベスト・カレントプラクティス,実用的なリファレンス実装を組み合わせた社会技術的取り組みとしてGを提案する。
  論文  参考訳（メタデータ） (2026-05-30T19:03:39Z)
• SecureForge: Finding and Preventing Vulnerabilities in LLM-Generated Code via Prompt Optimization [61.91729298584227]
  SecureForgeは、フロンティアモデルのセキュリティリスクを監査し、監査インフォームされたセキュアなシステムプロンプトを生成する自動化パイプラインである。 SecureForgeは、まず静的に検出可能な脆弱性を生成する良性プロンプトを特定し、その後、さまざまなシナリオの大規模な合成プロンプトコーパスに増幅する。 フロンティアモデルでは、SecureForgeは、ユニットテストの成功と出力セキュリティの両方において統計的に有意な改善をもたらし、出力脆弱性は最大48%削減された。
  論文  参考訳（メタデータ） (2026-05-08T18:40:47Z)
• Exploring Robust Multi-Agent Workflows for Environmental Data Management [2.556033550563853]
  EnviSmartは、環境研究のためのキャンパス全体のストレージインフラ上にデプロイされた生産データ管理システムである。 振舞い(ガバナンス制約)、ドメイン知識(検索可能なコンテキスト)、スキル(ツールを使用する手順)を永続的でインターロック可能なアーティファクトとして外部化する。
  論文  参考訳（メタデータ） (2026-04-02T05:46:40Z)
• daVinci-Env: Open SWE Environment Synthesis at Scale [21.291944594753385]
  有能なソフトウェアエンジニアリング(SWE)エージェントの訓練には、大規模で実行可能で検証可能な環境が必要である。 我々は、PythonにおけるSWEエージェントトレーニングのための最大の完全透明なフレームワークであるOpenSWEを紹介する。 OpenSWEは64ノードの分散クラスタにデプロイされたマルチエージェント合成パイプラインを通じて構築される。
  論文  参考訳（メタデータ） (2026-03-13T14:32:40Z)
• CVE-Factory: Scaling Expert-Level Agentic Tasks for Code Security Vulnerability [50.57373283154859]
  CVE-Factoryは、脆弱性タスクを自動変換するエキスパートレベルの品質を実現するための、最初のマルチエージェントフレームワークである。 最新の現実的な脆弱性についても評価され、66.2%の成功が証明されている。 コードセキュリティにおけるエージェントタスクの大規模スケーリングとして,1000以上の実行可能なトレーニング環境を合成する。
  論文  参考訳（メタデータ） (2026-02-03T02:27:16Z)
• One-Shot Hierarchical Federated Clustering [51.490181220883905]
  本稿では,効率的な階層型クラスタリングフレームワークを提案する。 クライアント-エンドの分散探索とサーバ-エンドの分散アグリゲーションを実行する。 クライアント間の複雑なクラスタ分布を効率的に探索できることが判明した。
  論文  参考訳（メタデータ） (2026-01-10T02:58:33Z)
• A Large Scale Empirical Analysis on the Adherence Gap between Standards and Tools in SBOM [54.38424417079265]
  ソフトウェア・ビル・オブ・マテリアル(Software Bill of Materials, SBOM)は、ソフトウェア情報を整理する機械読み取り可能なアーティファクトである。 標準に従って、組織はSBOMの生成と利用のためのツールを開発した。 本稿では,我々の自動評価フレームワークであるSAPを用いて,接着ギャップの大規模2段階解析を行った。
  論文  参考訳（メタデータ） (2026-01-09T08:26:05Z)
• Securing LLM-Generated Embedded Firmware through AI Agent-Driven Validation and Patching [0.9582466286528458]
  大規模言語モデル(LLM)は組み込みシステムのためのファームウェアの生成を約束するが、しばしばセキュリティ上の欠陥を導入し、リアルタイムのパフォーマンス制約を満たさない。 本稿では,LLMベースのファームウェア生成と自動セキュリティ検証,反復的改善を組み合わせた3段階手法を提案する。
  論文  参考訳（メタデータ） (2025-09-12T05:15:35Z)
• app.build: A Production Framework for Scaling Agentic Prompt-to-App Generation with Environment Scaffolding [0.09198412216120845]
  我々は,LLMベースのアプリケーション生成を改善するオープンソースフレームワークであるapp.buildについて,体系的な検証と構造化環境を通じて紹介する。 このアプローチでは,3つの参照スタックにまたがって実装された多層検証パイプライン,スタック固有のオーケストレーション,モデルに依存しないアーキテクチャを組み合わせる。 本研究では, 包括的検証が73.3%, 30%が完全品質を達成し, オープンウェイトモデルが80.8%のクローズドモデル性能を達成していることを示す。
  論文  参考訳（メタデータ） (2025-09-03T13:41:45Z)
• Deploying Privacy Guardrails for LLMs: A Comparative Analysis of Real-World Applications [3.1810537478232406]
  OneShieldは、エンタープライズおよびオープンソース環境でのユーザ入力とLLM出力のプライバシーリスクを軽減するために設計されたフレームワークである。 企業規模のデータガバナンスに焦点をあてて、2つの実世界のデプロイメントを分析します。 OneShieldは26言語にわたるセンシティブなエンティティの検出で0.95 F1スコアを獲得し、最先端のツールを上回った。
  論文  参考訳（メタデータ） (2025-01-21T19:04:53Z)
• SeCodePLT: A Unified Platform for Evaluating the Security of Code GenAI [58.29510889419971]
  コード生成大型言語モデル(LLM)のセキュリティリスクと能力を評価するための既存のベンチマークは、いくつかの重要な制限に直面している。 手動で検証し、高品質なシード例から始める、汎用的でスケーラブルなベンチマーク構築フレームワークを導入し、ターゲット突然変異を通じて拡張する。 このフレームワークをPython、C/C++、Javaに適用すると、44のCWEベースのリスクカテゴリと3つのセキュリティ機能にまたがる5.9k以上のサンプルデータセットであるSeCodePLTが構築されます。
  論文  参考訳（メタデータ） (2024-10-14T21:17:22Z)

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。