論文の概要: SoK: You Find What You Seek: Rethinking Oracles, Guidance, and Input Generation in Hardware Fuzzing

• arxiv url: http://arxiv.org/abs/2609.27300v1
• Date: Wed, 23 Sep 2026 03:34:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.860039
• Title: SoK: You Find What You Seek: Rethinking Oracles, Guidance, and Input Generation in Hardware Fuzzing
• Title（参考訳）: SoK: ハードウェアファジィにおけるOracle、ガイダンス、入力生成を再考する
• Abstract要約: ハードウェアファジィングは、セキュリティ検証研究の活発な領域であるが、その産業的採用はまだ初期段階にある。 このSoKは、ソフトウェアファジィングから学んだ教訓がハードウェアに受け継がれ、ユニークなアプローチが必要かを調べる。
• 参考スコア（独自算出の注目度）: 5.79334214784113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hardware fuzzing is an active area in security verification research, yet its industrial adoption remains in its early stages. This SoK examines which lessons from software fuzzing carry over to hardware and where unique approaches are needed. By analyzing 52 fuzzers across RTL/IP, CPU, NoC, and SoC designs, we introduce an analytical framework that frames verification as a bounded search. This search is defined by its objective, oracle, guidance, input generation, target abstraction, and budget. Consequently, a campaign only uncovers failures it can effectively reach, recognize, and prioritize before exhausting its resources. We distinguish two roles for hardware fuzzing: (1) augmenting constrained-random verification (CRV) via feedback-guided coverage and (2) directed adversarial testing based on threat models and security specifications. Through our framework, we identify what each campaign can observe and generate, providing a basis for assessing the evidence behind reported results. Our analysis suggests that mainstream adoption of hardware fuzzing will require reusable interfaces, target-specific verification assets, reproducible evaluations, and transparent reporting of cost and user effort.
• Abstract（参考訳）: ハードウェアファジィングは、セキュリティ検証研究の活発な領域であるが、その産業的採用はまだ初期段階にある。 このSoKは、ソフトウェアファジィングから学んだ教訓がハードウェアに受け継がれ、ユニークなアプローチが必要かを調べる。 RTL/IP, CPU, NoC, SoC 設計における52個のファジィを解析することにより,検証を有界探索としてフレーム化する分析フレームワークを提案する。 この探索は、その目的、オラクル、ガイダンス、入力生成、ターゲット抽象化、予算によって定義される。 その結果、キャンペーンはリソースを浪費する前に効果的に到達し、認識し、優先順位付けできる障害のみを明らかにする。 ハードウェアファジリングでは,(1)フィードバック誘導による制約付きランダム検証(CRV)の強化,(2)脅威モデルとセキュリティ仕様に基づく直接対向テストの2つの役割を区別する。 この枠組みにより、各キャンペーンが観察し生成できるものを特定し、報告された結果の背後にある証拠を評価するための基盤を提供する。 ハードウェアファジィングの主流となる採用には、再利用可能なインターフェース、ターゲット固有の検証資産、再現可能な評価、コストとユーザの労力の透過的な報告が必要であることを示唆する。

関連論文リスト

• veriFIRE: an Industrial Case Study in Verifying Consistency Properties for a DNN-Based Wildfire Detection System [4.688090702715578]
  本稿では,システム内のテキスト整合性を検証するためのエンドツーエンド手法を提案する。 提案手法は,既存のニューラルネットワーク検証器に対して,アプリケーション基底要求をソルバ互換クエリにエンコードする。 その結果,産業システムにおいて意味のある,ドメイン固有の保証が得られることがわかった。
  論文  参考訳（メタデータ） (2026-06-02T18:32:03Z)
• EviRCOD: Evidence-Guided Probabilistic Decoding for Referring Camouflaged Object Detection [9.823189831191064]
  参照カモフラージオブジェクト検出(Referring Camouflaged Object Detection, Ref-COD)は、カテゴリ整列参照を用いたクエリイメージ内の特定のカモフラージされたターゲットのセグメンテーションに焦点を当てる。 EviRCOD は,(1) 階層的な参照駆動型変調と多スケールの変形可能なアグリゲーションを利用して,セマンティックな先行表現を注入し,クロススケールな表現を整列する参照誘導型変形性(RGDE) ; (2) ディリクレ証拠推定を階層的なデコードに組み込んだ不確実性認識証拠デコーダ(UAED) と,(3) 境界認識再閉じ込めモジュールである。
  論文  参考訳（メタデータ） (2026-04-13T01:53:45Z)
• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• Intelligent Image Search Algorithms Fusing Visual Large Models [6.560867914001199]
  本稿では,オブジェクト検出を視覚的大モデルで融合する,インテリジェントな画像検索フレームワークであるDetVLMを提案する。 車両部品のデータセットの実験では、DetVLMは94.82%という最先端の総合的な精度を達成している。 また、ドライバーマスク着用のゼロショット検索では94.95%、州検索では90%以上の精度が達成されている。
  論文  参考訳（メタデータ） (2025-11-25T04:54:49Z)
• Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
  We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。 25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。 私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
  論文  参考訳（メタデータ） (2025-10-01T07:59:03Z)
• ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
  本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。 我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-09-27T22:36:42Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Poster: Machine Learning for Vulnerability Detection as Target Oracle in Automated Fuzz Driver Generation [0.0]
  脆弱性検出では、機械学習は効果的な静的解析手法として用いられてきたが、偽陽性のかなりの頻度に悩まされている。 本稿では,(1)脆弱性検出モデルに機械学習を活用して潜在的な脆弱性を識別し,(2)ファズドライバを自動生成し,(3)ターゲットオラクルが推論する脆弱性を確認できるバグを見つけるために,対象関数をファズ処理する,というファズドライバ自動生成ワークフローを提案する。
  論文  参考訳（メタデータ） (2025-05-02T09:02:36Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Let the Noise Speak: Harnessing Noise for a Unified Defense Against Adversarial and Backdoor Attacks [31.291700348439175]
  機械学習に対する悪意のあるデータ操作攻撃は、安全クリティカルなアプリケーションにおける信頼性を損なう。 再建型侵入検知システムであるNoiSecを提案する。 NoiSecは、テスト入力からノイズを取り除き、ノイズから基礎となる特徴を抽出し、それらを活用して、システマティックな悪意のある操作を認識する。
  論文  参考訳（メタデータ） (2024-06-18T21:44:51Z)
• Instance-aware, Context-focused, and Memory-efficient Weakly Supervised Object Detection [184.563345153682]
  我々は、弱教師付き学習のためのインスタンス認識とコンテキスト重視の統合フレームワークを開発する。 メモリ効率の高いシーケンシャルバッチバックプロパゲーションを考案しながら、インスタンス対応の自己学習アルゴリズムと学習可能なコンクリートドロップブロックを採用している。 提案手法はCOCO(12.1% AP$、24.8% AP_50$)、VOC 2007(54.9% AP$)、VOC 2012(52.1% AP$)の最先端結果である。
  論文  参考訳（メタデータ） (2020-04-09T17:57:09Z)

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。