論文の概要: Compute-Bounded Security Assurance - Coverage, Verification, and Response under Resource Constraints

• arxiv url: http://arxiv.org/abs/2609.09229v1
• Date: Mon, 07 Sep 2026 13:07:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.739954
• Title: Compute-Bounded Security Assurance - Coverage, Verification, and Response under Resource Constraints
• Title（参考訳）: 資源制約下における計算境界セキュリティ保証 -カバー, 検証, 応答-
• Abstract要約: 追加の推論計算は、正しく解決されたセキュリティ保証タスクの数を増やすことができる。 我々は、成功、ユニークなカバレッジ、承認された証拠、運用上の保護を分離するリソース制約のあるフレームワークを開発する。 概念的防御アーキテクチャは、証拠分析、判断、運用権限を分離する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Additional inference compute can increase the number of correctly resolved security-assurance tasks, but repeated success, unique coverage, accepted evidence, and operational protection are different quantities. We develop a resource-constrained framework that separates them. For repeated conditionally independent attempts with latent success probability $Θ$, coverage is $C_n = 1 - E[(1-Θ)^n]$, and its limiting value is $1 - P(Θ= 0)$. Positive pairwise outcome correlation does not by itself imply a ceiling below one: we construct two models with the same mean success and pairwise correlation but different limiting coverage. We distinguish this result from the effective sample size used to estimate a mean, and show why finite-budget observations cannot generally identify an asymptotic support ceiling. We then connect coverage to fallible evidence checking, proper scoring of factual grounding, complete resource accounting, service capacity, and a response model that includes mitigation delay. A conceptual defensive architecture separates evidence analysis, adjudication, and operational authority. An evaluation protocol specifies held-out tasks, paired comparisons, negative cases, and uncertainty reporting. The contribution is a consistent theoretical synthesis and a set of counterexamples to invalid extrapolations, rather than an empirical scaling law. All numerical illustrations are analytic; no model-parity result, hardware benchmark, or general attacker-defender equilibrium is claimed.
• Abstract（参考訳）: 追加の推論計算は、正しく解決されたセキュリティ保証タスクの数を増やすことができるが、繰り返しの成功、ユニークなカバレッジ、受け入れられた証拠、運用上の保護は異なる量である。 リソースに制約のあるフレームワークを開発し、それらを分離する。 遅延成功確率$ $$の条件付き独立試行の場合、カバレッジは$C_n = 1 - E[(1-)^n]$であり、その制限値は1 - P(*= 0)$である。 正のペアワイズ相関は, 平均的成功とペアワイズ相関の異なる2つのモデルを構築するが, 制限範囲は異なる。 この結果は平均値の推定に有効なサンプルサイズと区別し, 有限予算観測が一般に漸近的支持天井を識別できない理由を示す。 次に、カバー範囲を、誤った証拠チェック、事実的根拠の適切な評価、完全なリソース会計、サービス容量、緩和遅延を含む応答モデルに結びつける。 概念的防御アーキテクチャは、証拠分析、判断、運用権限を分離する。 評価プロトコルは、ホールドアウトタスク、ペア比較、ネガティブケース、不確実性レポートを指定する。 この貢献は一貫した理論合成であり、実証的なスケーリング法則ではなく、無効な外挿に対する反例の集合である。 全ての数値図面は解析的であり、モデルパリティ結果、ハードウェアベンチマーク、一般的な攻撃防御均衡は主張されない。

関連論文リスト

• Finite Constant Frontiers and Auditable Regret Certificates for Average-Reward Reinforcement Learning [0.9558392439655014]
  定数対応比較プロトコルを導入し、MPPを通信するための明示的な有限下位証明書を導出する。 共通閉形式エンベロープは有限フロンティアで発行された係数を0.015$に改善する。
  論文  参考訳（メタデータ） (2026-08-07T19:28:58Z)
• When benchmark inferences do not compose: Projectibility in AI evaluation [0.0]
  AIベンチマークの結果が1ステップで連続的なクレームに達することはめったにない。 評価者はそれをさらなるケースに一般化し、能力の証拠として解釈し、新しいタスクに外挿し、他のシステムやサイトへ輸送する。 保証リンクは保証チェーンを自動的に作らない。
  論文  参考訳（メタデータ） (2026-07-28T18:07:04Z)
• Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
  分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。 主な課題は、敵の計測と非同期である。 その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
  論文  参考訳（メタデータ） (2026-04-07T11:45:55Z)
• Cross-World Assumption and Refining Prediction Intervals for Individual Treatment Effects [6.083038976289835]
  高い意思決定のためには、個々の治療効果の推定には有効な予測間隔が伴わなければならない。 高い意思決定のためには、個々の治療効果の推定には有効な予測間隔が伴わなければならない。
  論文  参考訳（メタデータ） (2025-07-16T18:58:18Z)
• On the Precise Asymptotics of Universal Inference [1.0878040851638]
  この写本は普遍的推論を用いた妥当性と保守性のギャップを研究する(Wasserman et al., 2020) 我々は,保守性の源を同定し,学生化と偏見補正に基づく一般的な治療法を提案する。 結果として得られた手法は、モデルミス特定の下でも、名目上の1-alpha$レベルで正確なカバレッジを得る。
  論文  参考訳（メタデータ） (2025-03-18T20:41:00Z)
• Counterfactual Realizability [52.85109506684737]
  本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。 本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
  論文  参考訳（メタデータ） (2025-03-14T20:54:27Z)
• Sequential Manipulation Against Rank Aggregation: Theory and Algorithm [119.57122943187086]
  脆弱なデータ収集プロセスに対するオンライン攻撃を活用します。 ゲーム理論の観点からは、対決シナリオは分布的に堅牢なゲームとして定式化される。 提案手法は,ランクアグリゲーション手法の結果を逐次的に操作する。
  論文  参考訳（メタデータ） (2024-07-02T03:31:21Z)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Measuring Model Fairness under Noisy Covariates: A Theoretical Perspective [26.704446184314506]
  本研究では,雑音情報に基づく機械学習モデルの公平性の測定問題について検討する。 本稿では, 精度の高い公平性評価が可能な弱い条件を特徴付けることを目的とした理論的解析を行う。
  論文  参考訳（メタデータ） (2021-05-20T18:36:28Z)
• A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
  より弱い仮定として, 2$-adjacency faithfulness を提案します。 より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
  論文  参考訳（メタデータ） (2020-10-27T13:04:08Z)

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。