論文の概要: Governance-as-Code: Translating EU AI Act Technical Requirements into Executable Compliance Pipelines for Generative AI Systems
- arxiv url: http://arxiv.org/abs/2609.20016v1
- Date: Thu, 17 Sep 2026 10:23:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.219669
- Title: Governance-as-Code: Translating EU AI Act Technical Requirements into Executable Compliance Pipelines for Generative AI Systems
- Title（参考訳）: ガバナンス・アズ・コード: ジェネレーティブAIシステムのための実行可能なコンプライアンスパイプラインにEU AI Actの技術的要件を翻訳する
- Abstract要約: 6つのコンプライアンスモジュール間で43のマシンチェック可能な受け入れ基準のフレームワークを提供する。
堅牢性閾値は 提供者の文書化されたベースラインから導かれる
第25条及び第5章では、下流の展開者は、上流の提供者のトレーニングデータ要約第53条に依存している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The EU AI Act (Regulation 2024/1689) imposes technical obligations on high-risk AI providers, yet Articles 8-15 were drafted for predictive AI and leave seven technical gaps when applied to generative systems, spanning non-deterministic data governance, training-data provenance, continuous conformity, human oversight, open-ended robustness, emergent risk, and generative fairness. We deliver Governance-as-Code (GaC), a framework of 43 machine-checkable acceptance criteria across six compliance modules that run in a CI/CD pipeline and emit Article-indexed audit evidence, and we show the actual Rego policy code rather than merely describing it. Our central commitment is that the Act's open-textured standards ("appropriate levels," "possible biases") become declared, auditable numbers: robustness thresholds are derived from the provider's documented baseline and a state-of-the-art floor, and framing bias is collapsed into eight measurable proxies tested by counterfactual demographic probing. We also correct who owes what, since under Article 25 and Chapter V a downstream deployer relies on the upstream provider's Article 53 training-data summary and documents only the layers it controls, so GaC verifies that summary rather than demanding per-sample documentation the deployer never had. We validate on two enterprise deployments, a high-risk advisory chatbot and a limited-risk content generator, benchmarking against a manual expert audit rather than documentation artifacts that were never designed to enforce compliance. GaC reproduces all of the manual audit's findings, including three penalty-triggering violations, while cutting audit labor by roughly 75%.
- Abstract（参考訳）: EU AI Act (Regulation 2024/1689)は、リスクの高いAI提供者に技術的義務を課しているが、第8条15条は、予測AIのために起草され、生成システムに適用された際に7つの技術的ギャップを残している。
このフレームワークは、CI/CDパイプラインで実行され、記事インデックス化された監査証拠を発行する6つのコンプライアンスモジュールに対して43のマシンチェック可能な受け入れ基準のフレームワークであり、単に記述するのではなく、実際のRegoポリシーコードを示す。
堅牢性しきい値は、提供者の文書化されたベースラインと最先端のフロアから導き出され、フレーミングバイアスは、偽の人口統計調査によって検証された8つの測定可能なプロキシに分解される。
また、第25条及び第5章では、ダウンストリーム・デプロイは、上流プロバイダのトレーニングデータ要約第53条に依存しており、制御するレイヤのみを文書化しているため、GaCは、アンプごとのドキュメンテーションを要求するのではなく、そのサマリを検証します。
2つのエンタープライズデプロイメント、ハイリスクアドバイザリチャットボットとリミテッドリスクコンテンツジェネレータを検証し、コンプライアンスを強制するように設計されていないドキュメントアーティファクトではなく、手作業による専門家による監査に対してベンチマークします。
GaCは、3件の罰則違反を含む手作業による監査の結果を全て再現し、監査労働を約75%削減した。
関連論文リスト
- AspisAI: A Canonical, Machine-Interpretable Governance Framework for Automated Multi-Standard Compliance Monitoring [0.0]
本稿では,選択した要件を標準的機械解釈制御モデルに変換する,限定的で標準に依存しないガバナンスフレームワークであるemphAspisAIを提案する。
26の代表的な要件の範囲内において、このフレームワークは5つのガバナンス指向の基準に対して制御されたシミュレーションで評価される。
その結果は、完全な要求エンコーディング、88.5,%マッピングカバレッジ、完全なトレーサビリティ、導入されたすべてのギャップの正確な検出を含む。
論文 参考訳（メタデータ） (2026-09-09T22:37:12Z) - Grounded Normative Rule Generation with Structured Search [47.28595196084396]
基底ノルム規則合成(GNRS)として問題を定式化する。
GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。
GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
論文 参考訳（メタデータ） (2026-08-23T05:43:42Z) - An Agentic RAG and Evaluation Framework for Assurance Case Generation: Industrial Use Case for the EU Cyber Resilience Act Compliance [1.3121550601837717]
EUサイバーレジリエンス法(CRA)を遵守することは、中小企業にとって資源集約的な課題である。
本稿では,エージェント検索拡張生成を用いた保証ケース(AC)の自動生成フレームワークを提案する。
技術的ドキュメンテーションの要求を体系的にマッピングすることで、このフレームワークは認証証拠の生成を合理化する。
論文 参考訳（メタデータ） (2026-08-19T23:54:30Z) - Task-Conditioned Least-Privilege Learning for Executable Terminal and MCP Agents [45.88028371034407]
ツールを使用する大規模言語モデルエージェントは、ユーザが許可しなかったり、タスクが不要であったりする権限を行使しながらタスクを完了することができる。
本研究では,6次元のリスクを伴って各行動が実行前および観測結果から監査される枠組みを提案する。
このフレームワークを1500以上のタスクでQwen3.5-4Bでトレーニングした後、選択された種子は2,896回の評価エピソードで98.48%の安全成功に達した。
論文 参考訳（メタデータ） (2026-08-18T22:07:23Z) - From Regulation to Requirements: An Automated Requirement Derivation and Explanation Pipeline [2.036811219647753]
一般データ保護インテリジェンス(General Data Protection Intelligence, 一般AI法)は、ソフトウェア開発者にとって大きな課題である。
本稿では,必要条件と要求条件に説明文が伴う自動パイプラインを提案する。
人間の評価は高い (4.60 - 4.45) で、明度は1-5スケール (4.92 - 4.94) に近い (4.92 - 4.94) 。
論文 参考訳（メタデータ） (2026-07-05T18:21:36Z) - Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。
RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
論文 参考訳（メタデータ） (2026-05-28T10:38:38Z) - Who judges the judges? Governance from metrics: a runtime framework for continuous LLM compliance monitoring [0.0]
AIコンプライアンスに対する現在のアプローチは、適合性をバイナリな監査時間判定として扱う。
このコンプライアンス・フィクションは、EUのAI法の要件に構造的に不適合である、と我々は主張する。
規制の遵守は、行動の可観測性から連続的なシグナルとして導き出される原則であるメトリクスからのガバナンスを導入します。
論文 参考訳（メタデータ） (2026-05-23T21:21:33Z) - How Compliant Are GitHub Actions Workflows? A Checklist-Based Study with LLM-Assisted Auditing [0.0]
GitHub Actions (GHA) CIは重要なインフラストラクチャだが、現在のツールは構文やチェックのみを提供する。
本稿では、4つのワークフローセクションと8つのテーマにまたがる30の基準を持つ、新しいドキュメントベースのGHAコンプライアンスチェックリストを提案する。
論文 参考訳（メタデータ） (2026-05-03T23:21:13Z) - Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned [45.44933002008943]
この白書は、T"UV AUSTRIA Trusted AIフレームワークを提示する。
エンド・ツー・エンドの監査カタログであり、機械学習システムの評価と認定のための方法論である。
セキュアなソフトウェア開発、機能要件、倫理とデータプライバシという3つの柱の上に構築されているのは、EU AI Actの高レベルの義務を、特定かつテスト可能な基準に翻訳するものです。
論文 参考訳（メタデータ） (2025-09-08T17:52:08Z) - Watermarking Without Standards Is Not AI Governance [46.71493672772134]
現在の実装は、効果的な監視を提供するのではなく、象徴的なコンプライアンスとして機能するリスクがある、と私たちは主張する。
本稿では,技術標準,監査インフラストラクチャ,実施機構を含む3層フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-27T18:10:04Z) - RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。
我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。
本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
論文 参考訳（メタデータ） (2024-09-09T14:44:19Z)
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。