Fugu-MT 論文翻訳(概要): Propagation Model for SSC attacks: Why SBOM (tools) don't tell the whole truth

論文の概要: Propagation Model for SSC attacks: Why SBOM (tools) don't tell the whole truth

arxiv url: http://arxiv.org/abs/2609.05380v1
Date: Fri, 04 Sep 2026 17:31:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:24.139905
Title: Propagation Model for SSC attacks: Why SBOM (tools) don't tell the whole truth
Title（参考訳）: SSC攻撃の伝播モデル:SBOM(ツール)が真実を語らない理由
Abstract要約: 本研究では,SSCセキュリティに対する伝搬中心型アプローチを提案し,さらに4段階の伝搬モデルを提案する。現在のSBOMツールは、ステージ1とステージ2のみを体系的にサポートする。 SSCセキュリティ研究の中心に伝播効果を投入することは、サイバーリスクがシステム的リスクに進化するのを防ぐのに不可欠である、と我々は主張する。
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: Ensuring security of software supply chains (SSC) is indispensable in today's world of modern software practices. SBOM (tools) have been introduced as relevant building blocks to ensure the transparency of SSCs. However they have serious limitations in practices as their vulnerability detection and interpretation capacity is not sufficient to explain exploitability effects that can propagte through the whole chain. To address this gap, we propose a propagation-centred approach to SSC security and introduce a four-stage propagation model. We empirically evaluate four open-source SBOM tools against each stage using three projects and Log4j vulnerability as our test case. Our results show that current SBOM tools systematically support only Stage 1 (Structural Exposure) and Stage 2 (Vulnerability Class Presence) while Stage 3 (Code Reachability) and Stage 4 (Taint Path Analysis) require capabilities absent from the SBOM ecosystem. We argue that putting propagation effects at the centre of SSC security research is essential to prevent cyber risk evolving into systemic risks. Our research findings contribute to a future research and design of modern SSC security tools.
Abstract（参考訳）: 現代のソフトウェアプラクティスの世界では、ソフトウェアサプライチェーン(SSC)のセキュリティを確保することが不可欠です。 SBOM(ツール)は、SSCの透明性を確保するため、関連するビルディングブロックとして導入された。しかしながら、脆弱性の検出と解釈能力は、チェーン全体を伝播するエクスプロイラビリティ効果を説明するのに十分ではないため、プラクティスには深刻な制限がある。このギャップに対処するため、SSCセキュリティに対する伝搬中心のアプローチを提案し、4段階の伝搬モデルを提案する。テストケースとして,3つのプロジェクトとLog4j脆弱性を使用して,各ステージに対して4つのオープンソースSBOMツールを実証的に評価した。その結果,現在のSBOMツールはStage 1 (Structural Exposure) とStage 2 (Vulnerability Class Presence) のみを体系的にサポートしているのに対し,Stage 3 (Code Reachability) とStage 4 (Taint Path Analysis) はSBOMエコシステムから欠落する機能を必要としていることがわかった。 SSCセキュリティ研究の中心に伝播効果を投入することは、サイバーリスクがシステム的リスクに進化するのを防ぐのに不可欠である、と我々は主張する。我々の研究成果は、現代のSSCセキュリティツールの今後の研究と設計に寄与する。

関連論文リスト

CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild [49.44069582581181]
CyberFactoryは、CVEを含む公開脆弱性アーティファクトをワイルドから実行可能で検証可能なタスクインスタンスに変換する。再利用可能な脆弱性分析スキルを使用して、ソースインスペクション、ドメイン前の問題解決、エビデンスベースのバリデーションを通じて教師を指導する。 CyberGymでは1時間の予算で52.4%のPass@1に達し、Qwen3.5ベースモデルを+22.8ポイント改善した。
論文参考訳（メタデータ） (2026-08-24T12:30:10Z)
A Small Leak Sinks All: Exploring the Transferable Vulnerability of Source Code Models [1.2320871858014988]
本研究は従来のSCMとLLM4Codeの両方の本質的な脆弱性伝達可能性について体系的に研究する。本研究では,HABITATの設計を行う。従来のSCMをベースとした構築した敵の例は,LLM4Codeに対して最大64%の成功率を達成し,最先端の技術を15%以上上回った。
論文参考訳（メタデータ） (2025-11-11T11:32:09Z)
CTIArena: Benchmarking LLM Knowledge and Reasoning Across Heterogeneous Cyber Threat Intelligence [48.63397742510097]
サイバー脅威インテリジェンス(CTI)は現代のサイバーセキュリティの中心であり、進化する脅威を検出し緩和するための重要な洞察を提供する。大規模言語モデル(LLM)の自然言語理解と推論能力により、CTIに適用することへの関心が高まっている。異種マルチソースCTI上でLLM性能を評価するための最初のベンチマークであるCTIArenaを提案する。
論文参考訳（メタデータ） (2025-10-13T22:10:17Z)
UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models [67.91151588917396]
大規模言語モデル(LLM)は、幅広いタスクで顕著な進歩を遂げているが、有害なコンテンツ生成やジェイルブレイク攻撃といった安全リスクに弱いままである。安全に配慮したリサイクルによるLCMの安全性向上のための統合フレームワークであるUpSafe$circ$Cを提案する。この結果から, 静的アライメントから動的, モジュール, 推論対応制御への移行という, LLMの安全性の新たな方向性が明らかになった。
論文参考訳（メタデータ） (2025-10-02T16:43:33Z)
SafeMind: Benchmarking and Mitigating Safety Risks in Embodied LLM Agents [7.975014390527644]
大規模言語モデル(LLM)を利用したエージェントは、高度な計画能力を継承するが、物理世界との直接的な相互作用は安全上の脆弱性を露呈する。 SafeMindBenchは、4つのタスクカテゴリ(Instr-Risk、Env-Risk、Order-Fix、Req-Align)にまたがる5,558のサンプルを備えたマルチモーダルベンチマークである。 SafeMindAgentはモジュール型Planner-Executorアーキテクチャで、3つのケースドセーフモジュールを統合し、安全性制約を推論プロセスに組み込む。
論文参考訳（メタデータ） (2025-09-30T07:24:04Z)
AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions [64.85086226439954]
本稿では,有害な指示に対するVLMエージェントの安全性を評価するためのベンチマークであるSAFEを提案する。 SAFEは、SAFE−THOR、SAFE−VERSE、SAFE−DIAGNOSEの3つの成分からなる。我々は、ハザード認識を安全な計画と実行に翻訳する体系的な失敗を明らかにする。
論文参考訳（メタデータ） (2025-06-17T16:37:35Z)
Software Bill of Materials in Software Supply Chain Security A Systematic Literature Review [0.0]
SBOM(Software Bill of Materials)は、ソフトウェアサプライチェーン(Software supply chains, SSC)の確保に欠かせないツールであると考えられている。この体系的な文献レビューは、現在SBOMがSSCセキュリティの強化にどのように使われているかを評価するために、40の査読された研究から証拠を合成する。生成ツール、データプライバシ、フォーマット/標準化、共有/配布、コスト/オーバーヘッド、脆弱性のエクスプロイラビリティ、メンテナンス、分析ツール、偽陽性、隠されたパッケージ、改ざんなどである。
論文参考訳（メタデータ） (2025-06-04T02:49:04Z)
SafeMLRM: Demystifying Safety in Multi-modal Large Reasoning Models [50.34706204154244]
推論能力の獲得は、引き継がれた安全アライメントを壊滅的に劣化させる。特定のシナリオは、25倍の攻撃率を被る。 MLRMは、厳密な推論と問合せの安全結合にもかかわらず、初期段階の自己補正を示す。
論文参考訳（メタデータ） (2025-04-09T06:53:23Z)
Beyond the Tip of Efficiency: Uncovering the Submerged Threats of Jailbreak Attacks in Small Language Models [19.781204384395064]
小型言語モデル(SLM)は、高い効率性と計算コストの低いエッジデバイスへの展開において、ますます顕著になっている。種々のジェイルブレイク攻撃下での13の最先端SLMのセキュリティ性能を評価するための総合的な実証的研究を行った。我々の実験では、ほとんどのSLMは既存のジェイルブレイク攻撃の影響を受けやすいが、一部のSLMは直接的な有害なプロンプトに対して脆弱である。
論文参考訳（メタデータ） (2025-02-27T08:44:04Z)
The Impact of SBOM Generators on Vulnerability Assessment in Python: A Comparison and a Novel Approach [56.4040698609393]
Software Bill of Materials (SBOM) は、ソフトウェア構成における透明性と妥当性を高めるツールとして推奨されている。現在のSBOM生成ツールは、コンポーネントや依存関係を識別する際の不正確さに悩まされることが多い。提案するPIP-sbomは,その欠点に対処する新しいピップインスパイアされたソリューションである。
論文参考訳（メタデータ） (2024-09-10T10:12:37Z)
LLM for SoC Security: A Paradigm Shift [10.538841854672786]
大規模言語モデル(LLM)は、自然言語理解、高度な推論、プログラム合成タスクにおいて顕著な成功を祝っている。本稿では,既存研究の詳細な分析,実践事例の紹介,総合実験の紹介,促進ガイドラインの紹介を行う。
論文参考訳（メタデータ） (2023-10-09T18:02:38Z)

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。