論文の概要: On the Effectiveness of Kernel-Level Evidence for Agent Security

• arxiv url: http://arxiv.org/abs/2609.28915v1
• Date: Thu, 24 Sep 2026 01:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.652879
• Title: On the Effectiveness of Kernel-Level Evidence for Agent Security
• Title（参考訳）: エージェントセキュリティにおけるカーネルレベル証拠の有効性について
• Abstract要約: LLMエージェントは、広範なホスト権限を付与するインフラストラクチャにデプロイされる。 既存のエージェントセキュリティベンチマークとディフェンスは、アプリケーションテレメトリ層でのみ動作する。 エージェントセキュリティのためのカーネルレベル対アプリケーション層信号の最初のペア・エビデンス特性について述べる。
• 参考スコア（独自算出の注目度）: 9.9548977103064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents are deployed into infrastructure that grants them broad host authority, yet existing agent-security benchmarks and defenses operate almost exclusively at the application telemetry layer: the served tool manifest, the user prompt, and the model's messages. Some threats, however, smuggle malicious instructions and actions past the application boundary, leaving them invisible to that layer. In this work, we bridge that gap by pairing application-level agent telemetry with kernel-level syscall traces to present the first paired-evidence characterization of kernel-level versus application-layer signal for agent security. To quantify the value of the enhanced telemetry, we introduce Agent Cross-Layer Evidence (ACE), a paired-session corpus of 4,047 sessions and 17 threat models spanning six delivery-vector families and 14 of the 25 OWASP LLM and agentic threat categories, organized into 12 attack mechanics with per-mechanic characterization of where the most discriminative evidence lies. Across four distinct detector families, we find that kernel evidence is discriminative on its own and that composing it with application-layer evidence generally outperforms either single-layer view, revealing complementary signals that single-layer analyses can miss. We further demonstrate generalization to unseen attack families and transfer to an alternate agent runtime. Together, these findings establish the value of cross-layer evidence for agent security.
• Abstract（参考訳）: LLMエージェントは広範なホスト権限を付与するインフラストラクチャにデプロイされるが、既存のエージェントセキュリティベンチマークとディフェンスはアプリケーションテレメトリ層でのみ動作する。 しかし、いくつかの脅威は、悪意のある命令やアクションをアプリケーション境界を越えて密輸し、その層に見えないようにしている。 本研究では,カーネルレベルのサイスコールトレースとアプリケーションレベルのエージェントテレメトリをペアリングすることで,エージェントセキュリティのためのカーネルレベル対アプリケーション層信号の最初のペア化エビデンス特性を示す。 拡張テレメトリの価値を定量化するために, エージェントクロスレイア・エビデンス (ACE) を導入し, 6つのデリバリーベクターファミリーにまたがる4,047のセッションと17の脅威モデル, 25のOWASP LLMおよびエージェント脅威カテゴリの14の脅威モデルを紹介した。 4つの異なる検出器群で、カーネルのエビデンス自体が識別可能であり、アプリケーション層エビデンスと組み合わせることで、一般に単層ビューよりも優れており、単層分析が見逃すような補完的なシグナルが明らかにされている。 さらに,攻撃対象を特定できないファミリーへの一般化と,エージェントの代替ランタイムへの転送を実証する。 これらの知見は, エージェント・セキュリティに対するクロスレイヤ・エビデンスの価値を実証するものである。

関連論文リスト

• AgentLens: Interpretable Safety Steering via Mechanistic Subspaces for Multi-Turn Coding Agent [53.82005364479556]
  大規模言語モデル(LLM)に基づく符号化エージェントは、驚くべき自律性を示す。 既存の安全機構は主に外部ガードレールに依存している。 我々は,ランタイムの安全性検出と表現レベルの緩和を行う,ホワイトボックスの防御フレームワークであるAgentLensを提案する。
  論文  参考訳（メタデータ） (2026-06-21T21:13:55Z)
• Towards Security-Auditable LLM Agents: A Unified Graph Representation [22.355591892994642]
  本稿ではエージェントセキュリティ監査のための統合構造表現であるエージェントBOMを提案する。 エージェントBOMは、クロスセッションメモリ中毒やツール誤用など、ステルス攻撃チェーンを再構築できることを示す。 Agent-BOMは複雑なエージェントエコシステムにおける根本原因分析とセキュリティ適応のための統一的で監査可能な基盤を提供する。
  論文  参考訳（メタデータ） (2026-05-07T18:14:29Z)
• OMNI-LEAK: Orchestrator Multi-Agent Network Induced Data Leakage [59.3826294523924]
  オーケストレータ設定として知られる,一般的なマルチエージェントパターンのセキュリティ脆弱性について検討する。 本報告では,フロンティアモデルの攻撃カテゴリに対する感受性を報告し,推論モデルと非推論モデルの両方が脆弱であることが確認された。
  論文  参考訳（メタデータ） (2026-02-13T21:32:32Z)
• Blind Gods and Broken Screens: Architecting a Secure, Intent-Centric Mobile Agent Operating System [30.443894673057816]
  我々は,Doubao Mobile Assistantを用いて,最先端のモバイルエージェントのシステムセキュリティ分析を行う。 我々は脅威の風景をエージェントアイデンティティ、外部インタフェース、内部推論、アクション実行の4つの次元に分解する。 クリーンスレート安全なエージェントOSであるAuraを提案する。
  論文  参考訳（メタデータ） (2026-02-11T14:52:27Z)
• Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection [76.91230292971115]
  大規模言語モデル (LLM) に基づくマルチエージェントシステム (MAS) は複雑なタスクを解く上で強力な能力を示している。 XG-Guardは、MAS内の悪意のあるエージェントを検出するための、説明可能な、きめ細かい保護フレームワークである。
  論文  参考訳（メタデータ） (2025-12-21T13:46:36Z)
• BlindGuard: Safeguarding LLM-based Multi-Agent Systems under Unknown Attacks [58.959622170433725]
  BlindGuardは、攻撃固有のラベルや悪意のある振る舞いに関する事前の知識を必要とせずに学習する、教師なしの防御方法である。 BlindGuardはマルチエージェントシステムにまたがる多様な攻撃タイプ(即時注入、メモリ中毒、ツール攻撃)を効果的に検出する。
  論文  参考訳（メタデータ） (2025-08-11T16:04:47Z)
• Who's the Mole? Modeling and Detecting Intention-Hiding Malicious Agents in LLM-Based Multi-Agent Systems [25.6233463223145]
  大規模言語モデル(LLM-MAS)を用いたマルチエージェントシステムにおける意図隠蔽脅威について検討する。 高いステルス性を維持しながらタスク完了を微妙に妨害する4つの代表的な攻撃パラダイムを設計する。 これらの脅威に対処するために,心理学に着想を得た検出フレームワークであるAgentXposedを提案する。
  論文  参考訳（メタデータ） (2025-07-07T07:34:34Z)
• Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
  多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。 MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。 我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
  論文  参考訳（メタデータ） (2023-10-18T11:36:42Z)

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。