論文の概要: From Component Snapshots to Lifecycle Traces: Agent-Based Software Composition Analysis

• arxiv url: http://arxiv.org/abs/2609.18391v1
• Date: Wed, 16 Sep 2026 09:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.740024
• Title: From Component Snapshots to Lifecycle Traces: Agent-Based Software Composition Analysis
• Title（参考訳）: コンポーネントスナップショットからライフサイクルトレースへ:エージェントベースのソフトウェア構成分析
• Abstract要約: 既存のソフトウェアコンポジション分析アプローチは、ソフトウェアコンポジションのステージ固有のビューのみを生成する。 ライフサイクルを意識したSCAに対するエージェントベースのアプローチであるSCA-Agentを提案する。 Java、JavaScript、Pythonのエコシステムから105の現実世界のプロジェクトでSCA-Agentを評価します。
• 参考スコア（独自算出の注目度）: 11.086051622561882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Software supply-chain security requires accurate identification of third-party components and an understanding of how they evolve from development to execution. Existing software composition analysis (SCA) approaches examine manifests, build environments, release artifacts, containers, or runtime states, but typically produce only stage-specific views of software composition. As dependencies are resolved, removed, repackaged, and transformed across lifecycle stages, a single snapshot cannot capture both where a component originates and where it ultimately ends up. Combining snapshots from multiple stages still leaves their cross-stage relationships unresolved. We present SCA-Agent, an agent-based approach to lifecycle-aware SCA that reconstructs evidence-backed component lifecycle traces across Code, Build, Release, Deploy, and Runtime. SCA-Agent adaptively explores project-specific analysis paths, gathers stage-specific evidence, and correlates observations across stages to recover component identities, versions, introduction paths, propagation relationships, and final lifecycle states. We evaluate SCA-Agent on 105 real-world projects from the Java, JavaScript, and Python ecosystems. SCA-Agent achieves the highest component detection F1 across all lifecycle stages and ecosystems. For vulnerability exposure assessment, it reaches an F1 score of 96.69%, exceeding the best traditional SCA tool by 18.76 percentage points. These results show that lifecycle-aware SCA supports traceable component provenance and more accurate software supply-chain risk assessment.
• Abstract（参考訳）: ソフトウェアサプライチェーンのセキュリティには、サードパーティコンポーネントの正確な識別と、開発から実行までの進化方法の理解が必要である。 既存のソフトウェアコンポジション分析(SCA)アプローチでは、マニフェスト、ビルド環境、リリースアーティファクト、コンテナ、実行時状態を調べるが、通常はソフトウェアコンポジションのステージ固有のビューのみを生成する。 依存関係が解決され、削除され、再パッケージされ、ライフサイクルステージにわたって変換されるため、単一のスナップショットは、コンポーネントがどこから来たのか、最終的にどこで終わるのかをキャプチャできない。 複数のステージからのスナップショットを組み合わせることは、まだ解決されていないクロスステージな関係を残している。 SCA-Agentは、ライフサイクルを意識したSCAに対するエージェントベースのアプローチで、コード、ビルド、リリース、デプロイ、実行時のエビデンスベースのコンポーネントライフサイクルトレースを再構築します。 SCA-Agentは、プロジェクト固有の分析パスを適応的に探索し、ステージ固有のエビデンスを収集し、コンポーネントのアイデンティティ、バージョン、導入パス、伝播関係、最終ライフサイクル状態を回復するために、ステージ毎に観測を関連付けます。 Java、JavaScript、Pythonのエコシステムから105の現実世界のプロジェクトでSCA-Agentを評価します。 SCA-Agentはすべてのライフサイクルステージとエコシステムで最高のコンポーネント検出F1を達成する。 脆弱性の暴露評価では、F1スコアは96.69%に達し、18.76ポイントの従来のSCAツールを上回っている。 これらの結果から、ライフサイクルを意識したSCAは、トレース可能なコンポーネントの証明とより正確なソフトウェアサプライチェーンリスクアセスメントをサポートします。

関連論文リスト

• PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
  我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。 セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。 SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。 ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
  論文  参考訳（メタデータ） (2026-07-18T04:46:53Z)
• AutoSUT: The Environment Semantics Gap in Structured CTI for Adversary Emulation [0.589889361990138]
  構造化サイバー脅威インテリジェンス(Structured Cyber Threat Intelligence)は、敵エミュレーション、検出評価、サイバーレンジ設計をますますサポートしている。 それぞれのワークフローは、パブリックCTIによって完全に説明されていない環境をターゲットとしてシステム・アンダー・テスト(SUT)を必要とする。 AutoSUTは、コーパスがサポートしている絞り込みの終了点とアナリスト仕様の開始点を特定するパイプラインである。
  論文  参考訳（メタデータ） (2026-06-07T15:54:01Z)
• Poking Around in the Dark: Why a Shared Understanding of Components Matters [15.79463883263798]
  一般的な4つのSBOM生成ツールを分析し、それらが関連するコンポーネントをどのように定義し、識別するかを理解する。 我々はこれらをPython、Java、Go、PHP、Rust、Cといったプログラミング言語の根底にある真実を使って評価します。 現在の曖昧な定義とツールの下では、SBOMはコンポーネントの包摂において曖昧さと盲点を示す。
  論文  参考訳（メタデータ） (2026-06-01T16:12:26Z)
• CocoaBench: Evaluating Unified Digital Agents in the Wild [98.84044600506597]
  ココアベンチ(CocoaBench)は、人間によって設計された長距離タスクから構築された統合デジタルエージェントのベンチマークである。 また、モデルバックボーン間の比較を制御できる軽量な共有足場であるCocoaAgentについても紹介する。
  論文  参考訳（メタデータ） (2026-04-13T09:00:10Z)
• KAPSO: A Knowledge-grounded framework for Autonomous Program Synthesis and Optimization [3.0268242725574215]
  KAPSOは、自律的なプログラム合成と最適化のためのモジュラーフレームワークである。 反復的にアイデア、コード合成、編集、実行、評価、学習を行い、実行可能なアーティファクトを改善する。
  論文  参考訳（メタデータ） (2026-01-29T10:40:54Z)
• Drop the Golden Apples: Identifying Third-Party Reuse by DB-Less Software Composition Analysis [11.193453132177222]
  現代のソフトウェア開発におけるサードパーティのライブラリ(TPL)は、重大なセキュリティとコンプライアンスのリスクをもたらす。 本稿では,DB-Lessソフトウェア構成分析(SCA)の最初のフレームワークを提案する。 Androidのネイティブライブラリ識別とC/C++のコピーベースのTPL再利用という2つの典型的なシナリオに関する実験は、SCAでデータベースレス戦略を実装する上で好都合な未来を実証した。
  論文  参考訳（メタデータ） (2025-03-28T16:25:24Z)
• 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)
• A Unified Transformer Framework for Group-based Segmentation: Co-Segmentation, Co-Saliency Detection and Video Salient Object Detection [59.21990697929617]
  人間は、ダイナミックな世界に住んでいるので、画像のグループやビデオのフレームから学ぶことによってオブジェクトをマイニングする傾向があります。 従来のアプローチでは、類似したタスクで異なるネットワークを個別に設計するが、互いに適用するのは困難である。 UFO(UnifiedObject Framework for Co-Object Framework)という,これらの問題に対処するための統一フレームワークを導入する。
  論文  参考訳（メタデータ） (2022-03-09T13:35:19Z)
• Prototypical Cross-Attention Networks for Multiple Object Tracking and Segmentation [95.74244714914052]
  複数のオブジェクトのトラッキングとセグメンテーションには、与えられたクラスのセットに属するオブジェクトを検出し、追跡し、セグメンテーションする必要がある。 オンライン上でリッチ・テンポラル情報を活用するプロトタイプ・クロス・アテンション・ネットワーク(PCAN)を提案する。 PCANは、Youtube-VISとBDD100Kデータセットで、現在のビデオインスタンス追跡とセグメンテーションコンテストの勝者を上回っている。
  論文  参考訳（メタデータ） (2021-06-22T17:57:24Z)

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。