論文の概要: Trouble at the top: can Python extend the chains of trust in infrastructure firmware?

• arxiv url: http://arxiv.org/abs/2609.27802v1
• Date: Mon, 17 Aug 2026 23:04:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.971188
• Title: Trouble at the top: can Python extend the chains of trust in infrastructure firmware?
• Title（参考訳）: Pythonはインフラストラクチャファームウェアに対する信頼の連鎖を拡張することができるか?
• Abstract要約: コンパイルされたPythonバイトコード(PYC)は、ネットワークスイッチ、ルータ、その他のネットワークインフラストラクチャデバイスに不可欠な部分となっている。 我々の分析は、その完全性は、運用ソフトウェアのトップでPythonコードを使用する複数の設計において暗黙的に信頼されていることを示している。 商用機器の事実上信頼されたコードベースにPYCやPythonランタイムを含む場合のリスクについて検討する。
• 参考スコア（独自算出の注目度）: 0.33985395340995606
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Compiled Python bytecode (PYC) has become an essential part of network switches, routers, and other network infrastructure devices. Our analysis shows that its integrity is implicitly trusted in multiple designs that make use of Python code at the top of the operational software, such as the management and control pane of enterprise network switches. At the same time, the integrity of PYC files is not covered under the traditional chain-of-trust models, due to complex interactions with the CPython loader, byte compiler, and other Python runtime components. We explore the risks inherent in including PYC and Python runtimes in the de facto trusted code basis of commercial enterprise equipment and offer a comprehensive framework for understanding emergent behaviors in these designs.
• Abstract（参考訳）: コンパイルされたPythonバイトコード(PYC)は、ネットワークスイッチ、ルータ、その他のネットワークインフラストラクチャデバイスに不可欠な部分となっている。 我々の分析によると、その完全性は、エンタープライズネットワークスイッチの管理や制御など、運用ソフトウェアのトップでPythonコードを使用する複数の設計において暗黙的に信頼されている。 同時に、CPythonローダやバイトコンパイラ、その他のPythonランタイムコンポーネントとの複雑なインタラクションのため、PYCファイルの整合性は、従来の信頼の連鎖モデルではカバーされない。 商用機器の事実上信頼されたコードベースにPYCやPythonランタイムを組み込むことで生じるリスクについて検討し、これらの設計における創発的振る舞いを理解するための包括的なフレームワークを提供する。

関連論文リスト

• Visual-to-Code Authoring, Tensor-Network Debugging, and Quantum-Circuit Inspection Tools in Python [51.892236819637354]
  ネットワークと量子回路は、接続性、指標、収縮順序、ゲート配置、測定、関連する設計選択に依存する構造体である。 コードよりも視覚的に推論しやすいことが多いが、Pythonでは頻繁に構築され、変換され、バックエンド固有のオブジェクトやコンパクトなシンボル式を通してチェックされる。 本稿では、サポート対象ネットワークの視覚的および構造的検査とトレーサム等価性を示すネットワークワーク・ビジュアライゼーション、ビジュアル・ツー・コードオーサリング、バックエンドコード生成、エクスポート、設計レベルの分析のための量子ネットワークワーク・エディター、クリアな回路レンダリング、検査および設計のための量子回路描画の3つの補完パッケージを提案する。
  論文  参考訳（メタデータ） (2026-06-07T18:01:31Z)
• An Empirical Study of Vulnerabilities in Python Packages and Their Detection [12.629138654621983]
  この記事では、Pythonパッケージの脆弱性の包括的なベンチマークスイートであるPyVulを紹介する。 PyVulには、公表された1,157の開発者認証脆弱性が含まれており、それぞれが影響を受けるパッケージにリンクされている。 ラベル精度を向上し、100%コミットレベルと94%関数レベルの精度を達成するために、LCM支援データクリーニング手法が組み込まれている。
  論文  参考訳（メタデータ） (2025-09-04T14:38:28Z)
• PyPitfall: Dependency Chaos and Software Supply Chain Vulnerabilities in Python [1.2644387713029346]
  本稿では、PyPIエコシステム全体にわたる脆弱な依存関係の定量的解析であるPyPitfallを紹介する。 我々は,378,573個のPyPIパッケージの依存関係構造を分析し,少なくとも1つの既知の拡張可能なバージョンを必要とする4,655個のパッケージを特定した。 我々は,Pythonソフトウェアサプライチェーンのセキュリティに対する認識を高めることを目的としている。
  論文  参考訳（メタデータ） (2025-07-24T03:58:18Z)
• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• AdvSecureNet: A Python Toolkit for Adversarial Machine Learning [1.3812010983144798]
  AdvSecureNetは、敵対的機械学習のためのPyTorchベースのツールキットである。 CLIとAPIインターフェースと外部YAML設定ファイルの両方をサポートする最初のツールキットである。 このプロジェクトは、GitHub上のオープンソースプロジェクトとして利用できる。
  論文  参考訳（メタデータ） (2024-09-04T11:47:00Z)
• Python Fuzzing for Trustworthy Machine Learning Frameworks [0.0]
  我々はSydr-Fuzzを用いたPythonプロジェクトの動的解析パイプラインを提案する。 私たちのパイプラインにはファジング、コーパスの最小化、クラッシュトリアージ、カバレッジ収集が含まれています。 機械学習フレームワークの最も脆弱な部分を特定するために、攻撃の潜在的な表面を分析し、PyTorchのファズターゲットとh5pyなどの関連プロジェクトを開発する。
  論文  参考訳（メタデータ） (2024-03-19T13:41:11Z)
• depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers [92.13613958373628]
  textttdepyfは、PyTorchコンパイラの内部動作を復号化するためのツールである。 textttdepyfは、PyTorchが生成したバイトコードを等価なソースコードに逆コンパイルする。
  論文  参考訳（メタデータ） (2024-03-14T16:17:14Z)
• BackdoorBox: A Python Toolbox for Backdoor Learning [67.53987387581222]
  このPythonツールボックスは、代表的で高度なバックドア攻撃と防御を実装している。 研究者や開発者は、ベンチマークやローカルデータセットで、さまざまなメソッドを簡単に実装し、比較することができる。
  論文  参考訳（メタデータ） (2023-02-01T09:45:42Z)
• Continual Inference: A Library for Efficient Online Inference with Deep Neural Networks in PyTorch [97.03321382630975]
  Continual Inferenceは、PyTorchでContinuous Inference Networks(CIN)を実装するPythonライブラリである。 我々は、CINとその実装を包括的に紹介し、現代のディープラーニングのための複雑なモジュールを構成するためのベストプラクティスとコード例を提供します。
  論文  参考訳（メタデータ） (2022-04-07T13:03:09Z)
• Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
  本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。 NetworKitを使ってクラウドベースの環境を構築しています。 このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
  論文  参考訳（メタデータ） (2022-03-02T17:41:45Z)

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。