論文の概要: ABSENTIA: Detecting Broken Access Control Vulnerabilities in Web Applications
- arxiv url: http://arxiv.org/abs/2610.00977v1
- Date: Thu, 01 Oct 2026 03:11:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.873884
- Title: ABSENTIA: Detecting Broken Access Control Vulnerabilities in Web Applications
- Title（参考訳）: ABSENTIA:Webアプリケーションにおける障害アクセス制御脆弱性の検出
- Abstract要約: 不正アクセス制御は、認可の失敗であり、最も一般的なWebセキュリティリスクの1つである。
ABSENTIAは、一般的なLLMエージェントをWebアプリケーションのバックエンド用の系統的脆弱性検知器に変えるセキュリティ足場である。
BAC-Benchは25のリポジトリ、3つの言語、9つのフレームワークにまたがる30のアクセス制御アドバイザリのベンチマークです。
- 参考スコア（独自算出の注目度）: 10.020987659151972
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Broken access control, the failure of authorization, is one of the most prevalent web security risks. Unlike injection, a flow of untrusted input into a dangerous operation, authorization is a relation: who may act on what, not how data moves. Each application decides that relation for itself, so no rule written in advance carries to the next. An LLM agent can infer it from the code, but with no systematic way to cover the application and prioritize what to inspect, its search stays undirected and access-control flaws go undetected. We present ABSENTIA, a security scaffolding that turns general LLM agents into systematic vulnerability detectors for the backend of web applications, run as an audit by the developers and security engineers who maintain the code. Under its direction, the agents build a graph that maps the application's routes to the code behind them. ABSENTIA then works route by route, applying invariant falsification: it infers the properties the code is meant to satisfy, and where one is not enforced, reports the route for maintainer review. We also release BAC-Bench, a benchmark of 30 broken access control advisories across 25 repositories, 3 languages, and 9 frameworks, each published in 2025 or later, verified by a human auditor, and paired with its fixing commit, so credit requires flagging the vulnerable version and not the fixed one. ABSENTIA recalls 19 of them, 17 under paired credit, and an LLM verifier confirms 51% of its findings. CodeQL and Semgrep recall none, and an unstructured agent on the same model recalls 3. In the OWASP Benchmark injection categories, ABSENTIA leads the dedicated analyzers in Python and trails only CodeQL and IRIS in Java.
- Abstract（参考訳）: 不正アクセス制御は、認可の失敗であり、最も一般的なWebセキュリティリスクの1つである。
インジェクションとは異なり、信頼できない入力が危険な操作に流れ込むのに対し、認証は関係である。
それぞれのアプリケーションはそれ自身でその関係を決定するので、事前に書かれたルールは次のルールには適用されない。
LLMエージェントはコードからそれを推測できるが、アプリケーションをカバーし、何を検査するかを優先順位付けする体系的な方法がないため、その検索は非ダイレクトのままであり、アクセス制御の欠陥は検出されない。
ABSENTIAは、一般的なLLMエージェントをWebアプリケーションのバックエンドのシステマティックな脆弱性検出に変換するセキュリティ足場で、コードをメンテナンスする開発者やセキュリティエンジニアによる監査として実行されます。
その指示の下で、エージェントはアプリケーションのルートを背後のコードにマッピングするグラフを構築します。
ABSENTIAはルートごとに動作し、不変のファルシフィケーションを適用します。コードが満足するプロパティを推論し、実行されない場所を報告し、メンテナレビューのためにルートを報告します。
また、BAC-Benchは25のリポジトリ、3つの言語、9のフレームワークにまたがる30のアクセス管理アドバイザリのベンチマークもリリースしています。
ABSENTIAは19件、ペアクレジット17件をリコールし、LSM検証装置はその発見の51%を確認した。
CodeQLとSemgrepは一切リコールせず、同じモデル上の非構造化エージェントは3.3をリコールする。
OWASP Benchmarkインジェクションカテゴリでは、ABSENTIAがPythonの専用アナライザをリードし、JavaのCodeQLとIRISのみをパスする。
関連論文リスト
- ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection [61.4148196085256]
本稿では,信頼という構造概念に根ざしたROPE(Routed Origin Policy Enforcement)について述べる。
提案手法では,(1)軌道の各段階において,攻撃可能コンテンツのみを起点とする値が,原点保護パラメータに到達しない,(2)注入のリワードがない,という2つの保証が認められている。
論文 参考訳（メタデータ） (2026-08-27T01:22:14Z) - On Understanding, Identifying, and Mitigating Vulnerabilities in Agentic Large Language Models [2.8528615301556997]
大規模言語モデル(LLM)は、ステートレスな会話インターフェースから自律的なエージェントへとシフトしてきた。
妥協された推論ステップは、不正なデータアクセス、不可逆的な状態変更、障害のカスケードを引き起こす可能性がある。
本研究では,PRISMA 2020ガイドラインに基づく体系的な文献レビューを行った。
論文 参考訳（メタデータ） (2026-08-11T06:11:26Z) - Where Is the Cost of Third-Party API Routers in Agentic Software Development? [16.886494606820495]
サードパーティのAPIルータは、ますます多様なLLMプロバイダ間のアクセスを統一する共通レイヤになっている。
符号化エージェントでは、対話オーバーヘッドを減らすため、ハイオートノミー操作が広く採用されている。
プロバイダの出力と最終的にエージェントによって実行されるリポジトリレベルのアクションとの整合性を検証するメカニズムはありません。
論文 参考訳（メタデータ） (2026-07-26T12:15:09Z) - RECEIPT: Deterministic, Reward-Hacking-Resistant Verification for White-Box Agentic XSS Discovery [8.773382962696136]
クロスサイトスクリプティング(XSS)は、Web脆弱性の最も一般的で有害なクラスのひとつである。
本稿では,エージェントが報告したXSS発見を信頼できるものにする検証フレームワークRECEIPTを提案する。
論文 参考訳（メタデータ） (2026-07-20T23:16:16Z) - From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents [0.24554686192257424]
製品化は、ソースバウンダリ、エンティティルーティング、回答コントラクト、再現可能なトレースの要件を追加します。
本稿では,このパターンをトレース可能な監査可能なLLMエージェントアーキテクチャに再構成するハーネスエンジニアリング手法を提案する。
韓国の5つの企業グループの公開データスライスでインスタンス化し、3つの研究課題を評価する。
論文 参考訳（メタデータ） (2026-07-09T01:08:33Z) - Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。
我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。
我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
論文 参考訳（メタデータ） (2026-06-29T18:00:45Z) - The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。
CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
論文 参考訳（メタデータ） (2025-12-01T07:05:23Z) - VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。
セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。
平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
論文 参考訳（メタデータ） (2025-09-15T02:25:38Z) - BACFuzz: Exposing the Silence on Broken Access Control Vulnerabilities in Web Applications [5.424289788171823]
Broken Access Control (BAC) は、Webアプリケーションにおいて最も重要かつ広範な脆弱性の1つだ。
その深刻さにもかかわらず、BACは重要な課題のために自動テストでは過小評価されている。
BACの脆弱性を明らかにするために特別に設計された最初のグレーボックスファジィフレームワークであるBACFuzzを紹介します。
論文 参考訳（メタデータ） (2025-07-21T18:25:11Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - GuardAgent: Safeguard LLM Agents by a Guard Agent via Knowledge-Enabled Reasoning [79.07152553060601]
安全ガード要求を満たすか否かを動的に確認し,目標エージェントを保護する最初のガードレールエージェントであるガードアジェントを提案する。
特にGuardAgentは、まず安全ガードの要求を分析してタスクプランを生成し、それからその計画をガードレールコードにマップして実行します。
GuardAgentは、それぞれ98%と83%のガードレール精度を持つ2つのベンチマークにおいて、異なる種類のエージェントに対する違反行為を効果的に抑制することを示した。
論文 参考訳（メタデータ） (2024-06-13T14:49:26Z)
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。