論文の概要: Context-Aware Pre-Deployment Evaluation of AI Systems: A Regulatory Framework for Nigerian Fintech

• arxiv url: http://arxiv.org/abs/2609.24016v1
• Date: Mon, 21 Sep 2026 02:34:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:03.963221
• Title: Context-Aware Pre-Deployment Evaluation of AI Systems: A Regulatory Framework for Nigerian Fintech
• Title（参考訳）: AIシステムのコンテキスト認識による事前デプロイ評価 - ナイジェリアフィンテックの規制フレームワーク
• Abstract要約: 本稿は、グローバル、大陸、ナイジェリアの計器にわたるアフリカの統治についてレビューする。 これは、事前配備評価が運用上不明確であるのに対して、安全性が原則として確認されていることを示している。 本稿は、CBN、NITDA、SEC、AUの事前配備評価要件を提案する規制枠組みで締めくくっている。
• 参考スコア（独自算出の注目度）: 0.34757790689654594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commercial large language models are increasingly deployed across African fintech infrastructure for fraud detection and customer communication, yet no Nigerian or African continental regulatory instrument specifies what pre-deployment evaluation such systems must undergo before procurement. This paper reviews African fintech AI governance across global, continental, and Nigerian instruments, and shows that safety is affirmed as a principle while pre-deployment evaluation is operationally unspecified. Generic safety benchmarks cannot surface the failure modes most relevant to this domain, since none contain Nigerian institutional content or test for false positive misclassification of legitimate financial communications. These claims are demonstrated using SafeAlert, a purpose-built evaluation kit applied to six commercial models across three system prompt conditions. Results show that models resisting generic harmful content requests still produce complete fraud scripts under specific framing, and that several models misclassify most legitimate Nigerian bank communications as suspicious or fraudulent, a failure invisible to standard safety evaluation. The paper concludes with a regulatory framework proposing pre-deployment evaluation requirements for the CBN, NITDA, SEC, and the AU, arguing that the identified gap reflects an absence of regulatory specification, not a shortage of technical or financial resources.
• Abstract（参考訳）: 商業的な大規模言語モデルは、不正検出と顧客コミュニケーションのためにアフリカフィンテックのインフラに展開する傾向にあるが、ナイジェリアやアフリカ大陸の規制機関は、そのようなシステムが調達前にどのような事前デプロイ評価を行うかを規定していない。 本稿では、アフリカにおけるフィンテックAIガバナンスを、グローバル、大陸、ナイジェリアの計器でレビューし、安全は原則として確認され、事前デプロイ評価は運用上未特定であることを示す。 ジェネリック・セーフティ・ベンチマークは、ナイジェリアの制度上の内容や、正当な金融コミュニケーションの偽陽性の誤分類の試験を含むため、この領域に最も関係のある障害モードを提示することができない。 これらの主張は、SafeAlertを使って実証されている。SafeAlertは、3つのシステムプロンプト条件にまたがる6つの商用モデルに適用される、汎用的な評価キットである。 その結果、一般的な有害なコンテンツ要求に抵抗するモデルは、まだ特定のフレーミングの下で完全な不正スクリプトを生成しており、いくつかのモデルは、ナイジェリアの銀行のコミュニケーションを疑わしい、または不正であると誤分類している。 本稿は、CBN、NITDA、SEC、AUの事前配備評価要件を提案する規制枠組みで締めくくっている。

関連論文リスト

• FinRED: An Expert-Guided Benchmark Generation and Evaluation Framework for Financial LLM Red-Teaming [11.54323482443491]
  既存の安全ベンチマークは、一般的な敵シナリオをターゲットにしているが、金融特有のリスクを見逃している。 金融専門家と共同開発した金融安全評価のための,専門家が指導するレッドチームフレームワークであるFinREDを紹介する。 FinREDは、グローバル標準を規制回避から複雑な詐欺まで、スケーラブルなパイプラインに統合された脅威にマッピングする、新たな2段階の分類基準を使用している。
  論文  参考訳（メタデータ） (2026-06-18T07:46:18Z)
• Bounding the Black Box: A Statistical Certification Framework for AI Risk Regulation [0.0]
  EU AI法、NISTリスク管理フレームワーク、欧州評議会は、高リスクシステムは配備前に安全を示すことを要求している。 この規制の合意の下には、決定的な掃除機がある。 我々は、AIリスク規制をエンジニアリングプラクティスに変換する2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-23T16:50:35Z)
• Agency and Architectural Limits: Why Optimization-Based Systems Cannot Be Norm-Responsive [0.0]
  AIシステムは、標準によって管理されるという前提の下で、ハイステークな状況にますますデプロイされている。 本稿では,最適化システムに対して仮定が正式に無効であることを示す。
  論文  参考訳（メタデータ） (2026-02-26T17:16:17Z)
• Frontier AI Auditing: Toward Rigorous Third-Party Assessment of Safety and Security Practices at Leading AI Companies [57.521647436515785]
  私たちはフロンティアAIの監査を、フロンティアAI開発者の安全とセキュリティに関する主張の厳格な第三者による検証として定義しています。 本稿では,AI保証レベル(AAL-1からAAL-4)について紹介する。
  論文  参考訳（メタデータ） (2026-01-16T18:44:09Z)
• "Show Me You Comply... Without Showing Me Anything": Zero-Knowledge Software Auditing for AI-Enabled Systems [2.2981698355892686]
  本稿では,新しいMLOps検証フレームワークであるZKMLOpsを紹介する。 ZKP(Zero-Knowledge Proofs)暗号プロトコルを運用し、証明者が証明者に対して、文が真実であることを納得させることができる。 我々は、金融リスク監査における規制コンプライアンスの研究を通じて、この枠組みの実践性を評価する。
  論文  参考訳（メタデータ） (2025-10-30T15:03:32Z)
• Bridging the Mobile Trust Gap: A Zero Trust Framework for Consumer-Facing Applications [51.56484100374058]
  本稿では,信頼できないユーザ制御環境で動作するモバイルアプリケーションを対象としたZero Trustモデルを提案する。 デザインサイエンスの方法論を用いて、この研究は、実行時の信頼の強制をサポートする6つのピラーフレームワークを導入した。 提案したモデルは,デプロイ前コントロールを越えてモバイルアプリケーションをセキュアにするための,実用的で標準に準拠したアプローチを提供する。
  論文  参考訳（メタデータ） (2025-08-20T18:42:36Z)
• AILuminate: Introducing v1.0 of the AI Risk and Reliability Benchmark from MLCommons [62.374792825813394]
  本稿ではAI製品リスクと信頼性を評価するための業界標準ベンチマークとして,AIluminate v1.0を紹介する。 このベンチマークは、危険、違法、または望ましくない行動を12の危険カテゴリーで引き起こすように設計されたプロンプトに対するAIシステムの抵抗を評価する。
  論文  参考訳（メタデータ） (2025-02-19T05:58:52Z)
• ConU: Conformal Uncertainty in Large Language Models with Correctness Coverage Guarantees [68.33498595506941]
  自己整合性理論に基づく新しい不確実性尺度を導入する。 次に,CPアルゴリズムに正当性に整合した不確かさ条件を組み込むことにより,適合性不確かさの基準を策定する。 実証的な評価は、我々の不確実性測定が過去の最先端手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-06-29T17:33:07Z)

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。