論文の概要: Understanding the Security Boundary of Obfuscation-based On-Device LLM Protection

• arxiv url: http://arxiv.org/abs/2609.10117v1
• Date: Wed, 09 Sep 2026 12:51:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.029919
• Title: Understanding the Security Boundary of Obfuscation-based On-Device LLM Protection
• Title（参考訳）: 難読化型オンデバイスLLM保護のセキュリティ境界の理解
• Abstract要約: 我々は、特定の代数的性質を満たす線形計算の双対タプルとして定義される難解なプリミティブの集合を形式化する。 本稿では, 代表的なTSLPフレームワークの行列レベルの重み変換を, これらのプリミティブの合成として表現できることを実証する。 次に、新しいプリミティブ誘導攻撃手法によってO_priorの脆弱性を公開する。
• 参考スコア（独自算出の注目度）: 33.54478334488896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trusted Execution Environments (TEEs) offer a promising mechanism for safeguarding the intellectual property of on-device Large Language Models (LLMs). To overcome the inherent computational bottlenecks of TEEs, existing TEE-Shielded LLM Partition (TSLP) methods apply efficient obfuscation schemes to computationally intensive layers, offloading them to external GPUs while retaining only lightweight operations within the TEE. Although a growing body of TSLP-based approaches has emerged, these defense mechanisms remain largely heuristic. Consequently, some methods are proven vulnerable to certain specialized adversarial attacks designed to exploit their specific architectural implementations. To overcome the limitations of these heuristic designs, this paper addresses a fundamental research question: can we establish common primitives to unify representative prior methodologies, characterize the security boundary of their compositions, and systematically extend them? To this end, we formalize a set of obfuscation primitives, defined as dual-tuples of linear computations satisfying specific algebraic properties. We demonstrate that the matrix-level weight transformations of the representative efficient TSLP frameworks studied in this paper can be expressed as compositions of these primitives; consequently, the canonical form of these primitive compositions, denoted as O_prior, characterizes the structural boundary of this primitive family. We then expose the vulnerabilities of O_prior through a novel primitive-guided attack methodology, Collapse, demonstrating a shared vulnerability in several prominent TSLP methods published in top-tier venues, such as ArrowCloak (Security'25), TSQP (S&P'25), and LoRO (NeurIPS'25). Finally, we introduce two novel obfuscation primitives and integrate them with existing constructs to formulate O_ext, extending this security boundary.
• Abstract（参考訳）: Trusted Execution Environments (TEEs)は、デバイス上の大規模言語モデル(LLMs)の知的財産を保護するための有望なメカニズムを提供する。 TEEの本質的な計算ボトルネックを克服するために、既存のTEE-Shielded LLM Partition (TSLP) 法は、計算集約層に効率的な難読化スキームを適用し、それらを外部GPUにオフロードし、TEE内の軽量操作のみを保持する。 TSLPベースのアプローチが成長してきたが、これらの防御機構は概してヒューリスティックなままである。 その結果、いくつかの手法は、特定のアーキテクチャ実装を利用するように設計された特定の敵攻撃に対して脆弱であることが証明された。 本稿では,これらのヒューリスティックな設計の限界を克服するために,従来の方法論を統一し,それらの構成のセキュリティ境界を特徴づけ,体系的に拡張するための共通プリミティブを確立することができるか,という,基本的な研究課題に対処する。 この目的のために、特定の代数的性質を満たす線形計算の双対タプルとして定義される難解なプリミティブの集合を形式化する。 本論文では, 代表的なTSLPフレームワークの行列レベルの重み変換をこれらのプリミティブの合成として表現できることを示し, これらのプリミティブ構成の標準形式であるO_priorは, このプリミティブファミリーの構造的境界を特徴付ける。 次に、新しいプリミティブ誘導攻撃手法であるCollapseを通じて、O_priorの脆弱性を公開し、ArrowCloak(Security'25)、TSQP(S&P'25)、LoRO(NeurIPS'25)など、上位層で公開されたいくつかのTSLPメソッドで共有脆弱性を示す。 最後に、2つの新しい難読化プリミティブを導入し、それらを既存の構成と統合してO_extを定式化し、このセキュリティ境界を拡張します。

関連論文リスト

• Provably Secure Agent Guardrail [89.79561918065122]
  既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。 本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-28T02:12:41Z)
• Reasoning as an Attack Surface: Adaptive Evolutionary CoT Jailbreaks for LLMs [56.53007443197966]
  大規模推論モデル(LRM)は推論および生成タスクにおいて顕著な機能を示した。 彼らの明確なチェーン・オブ・シント(CoT)メカニズムは、新しいセキュリティリスクをもたらし、特にジェイルブレイク攻撃に対して脆弱である。 AE-CoTと呼ばれる適応的な進化的CoTジェイルブレイクフレームワークを提案し、これらの制限を克服する。
  論文  参考訳（メタデータ） (2026-05-23T10:11:32Z)
• Beyond Surface Artifacts: Capturing Shared Latent Forgery Knowledge Across Modalities [52.189426539304065]
  本稿では,従来の「機能融合」から「モダリティ一般化」に再定義するパラダイムシフトを提案する。 モーダリティ固有のスタイルを明示的に分離することにより,MAFは必須かつ非モーダルな潜在フォージェリー知識を正確に抽出する。
  論文  参考訳（メタデータ） (2026-04-09T03:35:21Z)
• HIPO: Instruction Hierarchy via Constrained Reinforcement Learning [57.40686733111483]
  textscHIPOは、制約付きマルコフ決定プロセスとしてHIFを定式化する新しいアライメントフレームワークである。 textscHIPOはシステムプロンプトを単に入力コンテキストから厳密なアルゴリズム境界まで高める。
  論文  参考訳（メタデータ） (2026-03-17T06:12:41Z)
• Layer-Wise Perturbations via Sparse Autoencoders for Adversarial Text Generation [4.893110077312707]
  本研究では,大規模モデルの解釈可能性を活用するブラックボックス攻撃手法を提案する。 Sparse Feature Perturbation Framework (SFPF) を導入する。 実験結果から,SFPFが生成した対向テキストは,最先端の防御機構をバイパスできることが示された。
  論文  参考訳（メタデータ） (2025-08-14T07:12:44Z)
• Tailored First-order and Interior-point methods and a new semidefinite programming hierarchy for entanglement detection [2.4578723416255754]
  量子絡み合いは量子情報科学の核心にあるが、高次元またはノイズの多いシステムにおける信頼性の高い検出は、依然として基本的な計算課題である。 本稿では,EXT と DPS の間に挟まれた新しい SDP 階層 PST を導入する。 我々のアルゴリズムは数値的に安定しており、分離性の境界付近にある状態であっても、絡み合った証人や近接測度を生成することができる。
  論文  参考訳（メタデータ） (2025-08-07T21:07:36Z)
• Cannot See the Forest for the Trees: Invoking Heuristics and Biases to Elicit Irrational Choices of LLMs [83.11815479874447]
  本研究では,人間の認知における認知的分解と偏見に触発された新しいジェイルブレイク攻撃フレームワークを提案する。 我々は、悪意のあるプロンプトの複雑さと関連バイアスを減らし、認知的分解を用いて、プロンプトを再編成する。 また、従来の二分的成功または失敗のパラダイムを超越したランキングベースの有害度評価指標も導入する。
  論文  参考訳（メタデータ） (2025-05-03T05:28:11Z)
• GraphAttack: Exploiting Representational Blindspots in LLM Safety Mechanisms [1.48325651280105]
  本稿では,jailbreakプロンプトを生成する新しいグラフベースのアプローチを提案する。 我々は、異なる変換を示すエッジを持つグラフ構造において、悪意のあるプロンプトをノードとして表現する。 目的を実現するコードを生成するために LLM を指示することで,特に効果的なエクスプロイトベクトルを実証する。
  論文  参考訳（メタデータ） (2025-04-17T16:09:12Z)
• Output Constraints as Attack Surface: Exploiting Structured Generation to Bypass LLM Safety Mechanisms [0.9091225937132784]
  我々は、従来のデータプレーンの脆弱性に対して、重要な制御プレーン攻撃面を明らかにする。 本稿では、構造的出力制約を武器として安全機構をバイパスする新しいジェイルブレイククラスであるConstrained Decoding Attackを紹介する。 本研究は, 現状のLLMアーキテクチャにおける重要なセキュリティ盲点を明らかにし, 制御面脆弱性に対処するため, LLM安全性のパラダイムシフトを促すものである。
  論文  参考訳（メタデータ） (2025-03-31T15:08:06Z)

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。