論文の概要: Ensembling LLMs for AI-Augmented Cybersecurity Software Requirements Generation

• arxiv url: http://arxiv.org/abs/2609.10316v1
• Date: Wed, 09 Sep 2026 15:22:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.080976
• Title: Ensembling LLMs for AI-Augmented Cybersecurity Software Requirements Generation
• Title（参考訳）: AIによるサイバーセキュリティソフトウェア要件生成のためのLLMの構築
• Abstract要約: 大規模言語モデル(LLM)は、サイバーセキュリティ要件のエンジニアリングを加速することができるが、単一の実行は信頼できない。 本研究では,情報検索型データフュージョン演算子を用いた後世代アンサンブル,アグリゲーション動作について検討する。 均一核融合報酬は、単にクロスラン合意であるのに対し、ネイブ・ベイズ核融合の重みは、それぞれ推定された信頼性によって実行される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Translating high-level controls from security standards into concrete, system-specific requirements is central to cybersecurity requirements engineering. Large language models (LLMs) can accelerate this labor-intensive, recall-sensitive task, but any single run is unreliable: it misses valid safeguards while introducing plausible hallucinations, and outputs shift across runs and models. We reframe this variability as a resource: rather than selecting one output, we study post-generation ensembling, aggregating stochastic runs with information-retrieval data-fusion operators. We propose two strategies: Uniform fusion rewards mere cross-run agreement, whereas Naive-Bayes fusion weights each run by its estimated reliability. We evaluate both over 24 runs from 12 configurations across four model families, generated for ten ISO/IEC 27002:2022 controls and expert-judged against a gold standard of 72 valid requirements. Pooling every run's output recovers all 72 (whereas single configurations recover on average under half) but also 111 hallucinations. Fusion separates the wheat from the chaff, ranking valid requirements well ahead of hallucinations. In the areas under the precision-recall and ROC curves, Uniform fusion alone largely surpasses every original run and configuration by 0.142 and 0.118 over the best configuration. Naive-Bayes weighting adds a further 0.039 and 0.052, reaching 0.864 and 0.869 while attaining useful operating points earlier. Internal validation confirms the stability of these gains: they stay positive in at least 92% of out-of-bag bootstrap resamples and every structured-perturbation sample. Post-generation fusion thus turns apparent noise into a practical asset: a lightweight layer giving analysts broader coverage and a better prioritized review queue, using affordable, below-frontier models alone.
• Abstract（参考訳）: セキュリティ標準から具体的なシステム固有の要件への高レベルのコントロールの翻訳は、サイバーセキュリティ要件エンジニアリングの中心である。 大きな言語モデル(LLM)は、この労働集約的でリコールに敏感なタスクを加速することができるが、単一の実行は信頼できない。 我々は、この変数をリソースとして再設計する: 1つの出力を選択するのではなく、情報検索データフュージョン演算子を用いて、ポストジェネレーション、集約確率実行について研究する。 均一核融合報酬は、単にクロスラン合意であるのに対し、ネイブ・ベイズ核融合の重みは、それぞれ推定された信頼性によって実行される。 ISO/IEC 27002:2022 コントロール 10 個の ISO/IEC 27002:2022 コントロールで生成された 4 つのモデルファミリにまたがる 12 個の構成から 24 回以上の実行を, 72 個の有効条件のゴールド標準に対して評価した。 すべての実行時の出力をポーリングすると、72(全体の構成は平均半分以下で回復する)と111の幻覚が回復する。 フュージョンは小麦をチャフから切り離し、幻覚よりもはるかに早く有効な要件をランク付けする。 精度-リコール曲線とROC曲線の下の領域では、Uniform fusion は最も優れた構成よりも0.142 と 0.118 をはるかに上回っている。 Naive-Bayes重み付けでは0.039と0.052が追加され、0.864と0.869に到達した。 内部検証はこれらの利得の安定性を確認しており、少なくとも92%のアウト・オブ・バッグ・ブートストラップ・リサンプリングと全ての構造的摂動サンプルにおいて陽性である。 軽量なレイヤにより、アナリストはより広範なカバレッジを提供し、より優先順位の高いレビューキューを提供する。

関連論文リスト

• SEVA: Self-Evolving Verification Agent with Process Reward for Fact Attribution [6.908637308550535]
  SEVAは、エビデンスアライメント、ステップバイステップの推論チェーン、キャリブレーションされた信頼度、6カテゴリのエラー診断を発行する構造化検証エージェントである。 ClearFacts では、SEVA-3B は GPT-4o-mini (69.0 vs. 69.8 F1) と一致し、よりリッチで監査可能な出力を生成する。
  論文  参考訳（メタデータ） (2026-06-29T02:37:13Z)
• The Capability Frontier: Benchmarks Miss 82% of Model Performance [7.258179693117413]
  既存のベンチマークでは、1回のランで1つのモデルの精度が報告されるのが一般的である。 これにより、実世界のLLM能力、特に異種データ分布を体系的に下降させる。
  論文  参考訳（メタデータ） (2026-06-25T10:20:47Z)
• Evidence-Grounded Ensemble Diagnosis of 802.11 Packet Captures: A Multi-Stage Pipeline with Deterministic Reliability Scoring [1.0170129555792935]
  802.11パケットキャプチャの診断には、専門家のプロトコル知識が必要で、遅く、エンジニア間で一貫性がなく、スケールできない。 LLMベースのアプローチは、キャプチャーから欠落するが製造されたプロトコルイベントを聴取し、未校正された信頼スコアを生成し、テスト中のモデルによって黄金の基準が共同生成されると評価バイアスを被る。 PROBEは3つの障害に対処する多段階パイプラインである。
  論文  参考訳（メタデータ） (2026-06-05T03:39:58Z)
• TAME: Test-Time Adversarial Prompt Tuning via Mixture-of-Experts for Vision-Language Models [76.92890872338235]
  大規模事前学習型ビジョンランゲージモデル(VLM)は、強いゼロショット一般化を示すが、知覚不能な逆方向の摂動に対して非常に脆弱である。 ダウンストリームタスク固有のリトレーニングを必要とせずに堅牢性を高めるため,新しいテストタイムディフェンスであるTAMEを提案する。
  論文  参考訳（メタデータ） (2026-05-17T18:07:08Z)
• Too Correct to Learn: Reinforcement Learning on Saturated Reasoning Data [55.84428098924793]
  構造保存探索を行うためのパラメータ自由復号法である Constrained Uniform Top-K Smpling (CUTS) を提案する。 グループ内の利点分散を増幅するために、エクスプロイトと探索的なロールアウトを相乗化するためのトレーニングフレームワークであるMixed-CUTSに統合する。 特にMixed-CUTSは、AIME25ベンチマークのPass@1の精度を標準のGRPOよりも15.1%向上している。
  論文  参考訳（メタデータ） (2026-04-20T16:43:28Z)
• Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
  エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。 Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。 すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
  論文  参考訳（メタデータ） (2026-04-07T17:43:18Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning [57.24524263804788]
  コード検証は、LLMベースのコード生成の検証後において重要な役割を果たす。 既存の教師付き微調整手法は、データの不足、高い失敗率、推論効率の低下に悩まされている。 機能的な報酬しか持たない単純RLは、難しいブランチやサンプルに対して効果的な単体テストを生成することができないことを示す。
  論文  参考訳（メタデータ） (2026-01-30T10:33:29Z)
• When Fine-Tuning is Not Enough: Lessons from HSAD on Hybrid and Adversarial Audio Spoof Detection [3.7411108810335922]
  音声検出は、音声認証、スマートアシスタント、通信セキュリティの課題である。 1,248のクリーンと41,044の劣化した発話を含むベンチマークを,人間,クローン,ゼロショットAI生成,ハイブリッドオーディオの4つのクラスに分けて提示する。 事前訓練されたモデルは、ハイブリッド条件下で過度に一般化および崩壊し、スプーフ特異的微調整は分離性を改善するが、目に見えない組成に苦しむ。
  論文  参考訳（メタデータ） (2025-09-09T01:43:28Z)
• VAULT: Vigilant Adversarial Updates via LLM-Driven Retrieval-Augmented Generation for NLI [15.320553375828045]
  VAULTは、NLIモデルの弱点を発見し、改善する完全に自動化された対向的なRAGパイプラインである。 VAULTはデータセット間で、従来よりも最大で2.0%パフォーマンスが向上している。
  論文  参考訳（メタデータ） (2025-08-01T14:22:54Z)
• Precise Information Control in Long-Form Text Generation [107.83171105517863]
  提案手法は,短時間の自己完結文のセットで与えられた長文の出力をモデルで生成することを必要とするタスクの定式化である。 PICには、完全に全ての入力クレームを含むモデルの能力をテストする完全な設定と、関連するクレームのみを選択的に組み込む必要がある部分的な設定が含まれている。 提案するPIC-Benchは,PIC設定に適合する8つの長文生成タスクのベンチマークである。
  論文  参考訳（メタデータ） (2025-06-06T23:42:42Z)
• Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning [59.56171041796373]
  我々は、堅牢で効率的なマルチモーダル・インストラクショナルデータを収集する。 インタラクションスタイルを多様性指標とし、マルチモーダルリッチなスタイルラーを用いてデータインストラクションパターンを識別する。 14のマルチモーダルベンチマークによって検証された10以上の実験環境において、ランダムサンプリング、ベースライン戦略、最先端の選択方法に対する一貫した改善を示す。
  論文  参考訳（メタデータ） (2025-03-17T17:11:22Z)

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。