論文の概要: A Resilient Runtime-Verification Fabric for Security Monitoring of Critical Edge-IoT Infrastructure
- arxiv url: http://arxiv.org/abs/2610.07282v1
- Date: Mon, 05 Oct 2026 19:19:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.614238
- Title: A Resilient Runtime-Verification Fabric for Security Monitoring of Critical Edge-IoT Infrastructure
- Title（参考訳）: エッジIoTインフラストラクチャのセキュリティ監視のためのレジリエントなランタイム検証ファブリック
- Abstract要約: 2つのブローカに階層構造を持つレジリエントなデリバリ層であるRV-Fabricを紹介します。
RV-Fabricは、クラッシュ時の耐久性のあるデリバリ、信頼できるイベント順序、全沈黙時の進捗、バウンドオーバーロード時のコンシューマアイソレーション、フローコントロールという、5つの連続性保証を再確立する。
- 参考スコア（独自算出の注目度）: 0.37475012732344193
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Protecting critical infrastructure increasingly depends on continuously verifying large IoT fleets against formal security specifications at runtime. Yet the runtime-verification (RV) pipelines proposed for this task are typically single-host prototypes whose monitors read a shared log file, with no resilience to the failures such deployments incur: a crash or overload silently drops events, clock skew corrupts the ordering metric monitors require, a time-triggered "node has gone silent" property cannot fire when the network itself falls silent, and one slow consumer stalls the pipeline. Each failure is silent: the monitor keeps emitting verdicts over a corrupted view. We present RV-Fabric, a resilient delivery layer that carries the hierarchy over two brokers (MQTT for device ingest, a durable stream broker for backend delivery) and re-establishes five continuity guarantees: durable delivery under crashes, a trusted event order, progress under total silence, consumer isolation and flow control under bounded overload, each an invariant conditioned on broker durability. Above the transport, RV-Fabric makes evidence completeness part of runtime-verification semantics: every verdict carries a status (sound, degraded, incomplete or unavailable) derived from delivery gaps, retention pressure and liveness, so an incomplete stream cannot yield an unqualified all-clear. Under controlled fault injection on a containerised testbed, measured against a fault-free oracle using the real MonPoly engine, the shared-log baseline misses six of seven injected incidents, reporting each as an unqualified all-clear, whereas RV-Fabric preserves all seven; removing a delivery mechanism reintroduces silent loss, removing isolation costs only timeliness. Two published critical-infrastructure datasets, water-SCADA and IoT/IIoT, replay end-to-end.
- Abstract（参考訳）: 重要なインフラストラクチャを保護するには、実行時の正式なセキュリティ仕様に対して、大規模なIoTフリートを継続的に検証する必要がある。
しかし、このタスクのために提案された実行時検証(RV)パイプラインは通常、単一ホストのプロトタイプで、モニタが共有ログファイルを読み取るのが一般的で、障害発生時の障害に対するレジリエンスがない。
各障害はサイレントで、モニターは、破損したビューに対する判定を出力し続ける。
RV-Fabricは、2つのブローカ(デバイスインジェスト用のMQTT、バックエンド配信用の耐久性のあるストリームブローカ)に階層構造を持ち、クラッシュ時の耐久性のあるデリバリ、信頼できるイベントオーダ、全沈黙時の進捗、コンシューマアイソレーション、バウンドオーバーロード時のフローコントロールという5つの連続性保証を再確立する、レジリエントなデリバリ層である。
RV-Fabricは、トランスポートの上に、実行時検証セマンティクスの一部の完全性を示す: 全ての検証は、配信ギャップ、保持圧力、生存性から派生したステータス(音、劣化、不完全または不完全)を持ち、不完全ストリームは、資格のない完全クリアを生成できない。
実際のMonPolyエンジンを使用して、障害のないオラクルに対して測定されたコンテナ化されたテストベッド上の制御されたフォールトインジェクションでは、共有ログのベースラインは7つのインシデントのうち6つを見逃し、それぞれが資格のないオールクリアとして報告される一方、RV-Fabricは7つすべてを保存する。
水-SCADAとIoT/IIoTという、2つの重要なインフラストラクチャデータセットがエンドツーエンドで再生される。
関連論文リスト
- MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
MeshHealは、完全に分散化された自己修復フレームワークである。
能力にマッチしたピアレビューを2つのタイムスケールに分けている。
1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
論文 参考訳（メタデータ） (2026-09-24T04:29:37Z) - Object-to-Source Mapping under Optimization: What a Control-Flow Trace Can Show, and Where Source-Level Coverage Breaks [46.45816037744739]
制御フロートレースは、マシンレベルの実行を再構築することができるが、ソースレベルの構造カバレッジに加えて、生成された命令からの検証された帰属と、ソースの義務への分岐結果が必要である。
本稿では,その境界を定義し,コンパイラの正確な出力を図示する。
付録では、実際のシリコン上でのエンド・ツー・エンドのメカニズムを例示している。
論文 参考訳（メタデータ） (2026-08-29T17:06:10Z) - Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。
本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-22T18:38:39Z) - SCOUT: Symmetric Consensus Outlier Detection for Failure Localization in LLM Pre-Training [7.018753691717986]
事前トレーニングでは、同期は、ランクローカルなストール、スローダウン、数値的なエラーをジョブワイドな症状へと伝播し、その起源を隠蔽する。
SCOUTは1つの設計原則に基づいて構築された統一型ランタイム障害局所化フレームワークである。
SCOUTはトレーニングループやフレームワークソースの変更なしに、PyTorch、TorchTitan、Megatron-Core、DeepSpeedと統合されている。
論文 参考訳（メタデータ） (2026-08-11T15:12:14Z) - ContinuityBench: A Benchmark and Systems Study of Stateful Failover in Multi-Provider LLM Routing [0.6117371161379209]
運用用の大規模言語モデル(LLM)デプロイメントでは、高可用性保証は会話の連続性に相当しない。
CPR(Continuity Preservation Rate)とCLO(Continuity Overhead)の2つの新しい指標を紹介します。
この結果は、堅牢で状態保存型マルチモデル推論システムを構築するための原則的な基盤を提供する。
論文 参考訳（メタデータ） (2026-07-17T12:12:38Z) - DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation [69.8840101036735]
投機的復号化はLarge Language Model (LLM)推論を加速させる。
最近の並列起草者は、1つの前方通過で長いトークン列を効率的に提案するが、トークン間の依存関係が欠如しているため、急速に受け入れが低下する。
我々はDSparkという投機的復号化フレームワークを導入し、高いスループットの並列生成を適応的かつロードアウェアな検証と統合する。
論文 参考訳（メタデータ） (2026-07-06T14:28:06Z) - Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy [79.09714980186278]
非構造化環境で永続的なエンボディエージェントを構築するには、異種ツールの統一的なオーケストレーションが必要である。
我々は,多モーダルなセマンティックプランナを統合したフレームワークであるOmniActを紹介した。
すべての複雑性レベルにわたって、エンドツーエンドの成功において一貫した改善が達成されます。
論文 参考訳（メタデータ） (2026-06-25T16:36:35Z) - Governed Shared Memory for Multi-Agent LLM Systems [1.2178992475191557]
本稿では,フリートメモリの問題を定式化し,基礎的障害モードを4つ同定する。
システムレベルの明示的なプリミティブを定義する。スコープ付き検索,時間的スーパーセッション,プロファイランストラッキング,ポリシが支配するメモリ伝搬である。
これらのプリミティブは、プロダクションマルチテナントメモリサービスであるMemClawで実装され、ArgusFleet経由で評価される。
論文 参考訳（メタデータ） (2026-06-23T13:04:14Z) - Federated Stream-Processing and Latency-Gated Response for Cross-Sector Threat Detection and Collaborative Containment [0.0]
重要なインフラ防衛は、高度なサプライチェーンの妥協と盗まれた管理資格によって、予防的制御がしばしば回避されるという運用上の現実によってボトルネックになっている。
本稿では,協調したクロスセクタ脅威を検知し,機械の速度で封じ込めを編成する,新しい高スループットストリーム処理および相関フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-17T08:32:08Z) - Continuous Discovery of Vulnerabilities in LLM Serving Systems with Fuzzing [17.965821693370625]
本稿では,LLM推論エンジン用のグレーボックスファザであるGRIEFについて述べる。
vLLMとLangに関する初期のキャンペーンで、GRIEFは15の脆弱性を発見し、2つのCVE、KV-cache分離障害、クロスリクエストパフォーマンス干渉、クラッシュまたはライブネスバグを含む10のエンジン開発者によって確認された。
論文 参考訳（メタデータ） (2026-05-11T20:10:08Z) - IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。
IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-04-22T03:03:33Z)
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。