論文の概要: sbom-unifier: Integration Framework for Heterogeneous SBOMs
- arxiv url: http://arxiv.org/abs/2608.30708v1
- Date: Mon, 31 Aug 2026 12:45:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.393254
- Title: sbom-unifier: Integration Framework for Heterogeneous SBOMs
- Title（参考訳）: sbom-unifier:不均一SBOMの統合フレームワーク
- Abstract要約: ソフトウェア・ビル・オブ・マテリアル(Software Bill of Materials, SBOM)は、ソフトウェアコンポーネントの機械可読在庫である。
既存のSBOM生成ツールは、多くのSPDX定義フィールドを残している。
フィールドレベルの統合により,SBOMの完全性を向上させるフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.178669182982402
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A Software Bill of Materials (SBOM) is a machine-readable inventory of software components, increasingly required for vulnerability management and license compliance. However, existing SBOM generation tools often leave many SPDX-defined fields missing or only partially populated, because different tools produce heterogeneous outputs with uneven field-level coverage. We present sbom-unifier, a framework that improves SBOM completeness through field-level integration and complementation of multiple tool outputs and file-level enrichment. Unlike existing tools that simply concatenate SBOMs without identifying records referring to the same component, sbom-unifier identifies components via Package URL (PURL), complements missing field values by a deterministic priority-based strategy, reconstructs cross-section references, and further enriches file-level fields. Across 90 open-source projects in 9 programming languages, sbom-unifier preserves high completeness for required fields and, over the 39 SPDX 2.3 required and optional fields, raises the fully covered rate by 8 percentage points and reduces the totally missing rate by 11 percentage points over the respective best-performing individual tools. sbom-unifier is available at https://github.com/MoriwakiYusuke/sbom-unifier.
- Abstract（参考訳）: ソフトウェア・ビル・オブ・マテリアル(Software Bill of Materials, SBOM)は、ソフトウェアコンポーネントの機械可読な在庫であり、脆弱性管理やライセンスの遵守にますます必要となる。
しかし、既存のSBOM生成ツールは、多くのSPDX定義されたフィールドを欠いているか、あるいは部分的にしか占有していない。
SBOMの完全性を向上させるフレームワークであるsbom-unifierを提案する。
同じコンポーネントを参照するレコードを識別せずに単純にSBOMを結合する既存のツールとは異なり、sbom-unifierはPackage URL (PURL)を介してコンポーネントを識別し、決定論的優先度ベースの戦略で欠落したフィールド値を補完し、断面参照を再構築し、ファイルレベルのフィールドをさらに強化する。
9つのプログラミング言語の90を超えるオープンソースプロジェクトにおいて、sbom-unifierは必要なフィールドに対して高い完全性を保ち、39のSPDX 2.3とオプションのフィールドに対して、全カバー率を8ポイント引き上げ、各最高のパフォーマンスの個々のツールに対して、完全な欠落率を11ポイント下げる。
sbom-unifierはhttps://github.com/MoriwakiYusuke/sbom-unifierで入手できる。
関連論文リスト
- Hybrid Semantic Tool Discovery for Enterprise MCP Gateway: Architecture and Implementation [1.6774701449274187]
大規模言語モデル(LLM)エージェントは、事前訓練された知識以上の情報を検索し、推論するために外部ツールを起動する。
Model Context Protocol (MCP)はそのようなツールがどのようにサーフェスされるかを標準化し、プロキシMSPサーバは単一のエンドポイントの背後にある多くのバックエンドサーバを集約する。
SCOUTは、ツールの露出をコンテキスト選択問題として再設定し、現在のステップに関連するツールのみを注入する。
論文 参考訳（メタデータ） (2026-08-25T02:33:44Z) - UEmbed: Unified Sparse and Dense Multimodal Embeddings [56.1131203949042]
本稿では,デコーダのみのマルチモーダル埋め込みモデルUEmbedを紹介する。
緩やかな語彙と密度の表現を1つの因果前方通過で生成する。
UEmbedを2B、4B、9Bスケールでトレーニングし、公開されているデータに基づいてトレーニングされたマルチモーダル埋め込みモデルよりも優れています。
UEmbedは1つのモデルに密でスパースな埋め込みを統一し、さらにスパース検索を拡張してテキストとマルチモーダル入力を統一する、という新しいパラダイムを提供する。
論文 参考訳（メタデータ） (2026-08-03T17:54:11Z) - One Patch Is Enough: Reinforcement-Optimized Visual Token Grounding for MLLM-Based Scene Text Spotting [51.09550363815034]
シーンテキストスポッティングはテキスト認識と空間的局所化の間に高精度なアライメントを必要とする。
本研究では,個々のテキストインスタンスを単一のアンカー視覚トークンでルーティングする視覚中心のフレームワークであるSingle-Patch Text Spotting (SPaTS)を提案する。
SPaTS はフロンティアのクローズドソースMLLM と OCR MLLM の両方で一貫した性能を示し,その性能を著しく向上させる。
論文 参考訳（メタデータ） (2026-07-30T09:17:48Z) - Improving Long-Context Retrieval with Multi-Prefix Embedding [64.08968715893504]
Multi-Prefix Embeddingは、ドキュメントをEOSトークンで区切られたチャンクに分割し、完全なシーケンスを単一の因果フォワードパスにエンコードし、各プレフィックス境界に1つの埋め込みを抽出する。
MPEはクロスチャンクコンテキストを保持し、チャンクレベルのMaxSimマッチングを可能にし、ドキュメントレベルの関連ラベルのみをトレーニングする。
論文 参考訳（メタデータ） (2026-06-22T17:31:02Z) - HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents [52.33697136670754]
textbfHyperToolは、実行可能なMPPスタイルのツールインターフェースで、ツール実行のモデル可視単位を変更する。
モデルはHyperToolをコードブロックで呼び出し、既存のツールを元のスキーマを通じて呼び出し、返却された値を操作し、中間結果をローカルに渡すことができる。
MCP-Universeでは、HyperToolは平均精度をQwen3-32Bで15.69%から35.29%、Qwen3-8Bで9.93%から33.33%に改善し、GPT-OSSとKimi-k2.5を平均で上回っている。
論文 参考訳（メタデータ） (2026-06-11T17:56:36Z) - Evaluating Tool Cloning in Agentic-AI Ecosystems [7.733750839250171]
この研究は、エージェントAIエコシステムにおけるツールクローンの大規模測定としては初めてのものである。
7,508のモデルコンテキストプロトコル(MCP)リポジトリ、87,564の抽出ツール、12,447のツールを備えた1,353のスキルレポジトリ、合計8,861のリポジトリ、100,011のツールエントリをカバーしている。
論文 参考訳（メタデータ） (2026-05-10T23:39:44Z) - Tool Attention Is All You Need: Dynamic Tool Gating and Lazy Schema Loading for Eliminating the MCP/Tools Tax in Scalable Agentic Workflows [2.2228811750157482]
私たちは、"Attention Is All You Need"パラダイムを一般化するスケーラブルな層メカニズムであるTool Attentionを紹介します。
シミュレーションした120toolの6サーバベンチマークで、サーバ単位のトークン数を実際のMPPデプロイメントの公開監査に校正する。
ツールアテンションはターン当たりのツールトークンを95.0%(47.3k ->2.4k)に減らし、効果的なコンテキスト利用(トークン比の量)を24%から91%に引き上げる。
論文 参考訳（メタデータ） (2026-04-23T16:10:00Z) - 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) - T^2Agent A Tool-augmented Multimodal Misinformation Detection Agent with Monte Carlo Tree Search [51.91311158085973]
多重モーダル誤報は、しばしば混合偽造源から発生し、動的推論と適応的検証を必要とする。
我々はモンテカルロ木探索を用いたツールキットを組み込んだ新しい誤情報検出剤T2Agentを提案する。
大規模な実験により、T2Agentは、混在するマルチモーダル誤報ベンチマークにおいて、既存のベースラインを一貫して上回っていることが示されている。
論文 参考訳（メタデータ） (2025-05-26T09:50:55Z) - A Dataset of Software Bill of Materials for Evaluating SBOM Consumption Tools [6.081142345739704]
ソフトウェア・ビル・オブ・マテリアル(Software Bill of Materials, SBOM)は、ソフトウェアで使用されるコンポーネントの一覧である。
多くのツールは、SBOMを通じてソフトウェア依存の管理をサポートする。
この目的のために特別に設計されたデータセットは公開されていない。
実世界のJavaプロジェクトから生成されたSBOMのデータセットを示す。
論文 参考訳（メタデータ） (2025-04-09T13:35:02Z)
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。