論文の概要: ARMOR: Adversary Cost Amplification via a Schema-Preserving Password-Hardening Retrofit for Resource-Constrained Systems
- arxiv url: http://arxiv.org/abs/2610.14300v1
- Date: Fri, 09 Oct 2026 20:21:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 22:13:55.567046
- Title: ARMOR: Adversary Cost Amplification via a Schema-Preserving Password-Hardening Retrofit for Resource-Constrained Systems
- Title（参考訳）: ARMOR: リソース制約システムのためのスキーマ保存パスワードハーデニングによる逆コスト増幅
- Abstract要約: ARMORはデータベースのみ(DBのみ)の妥協のためのスキーマ保存検証側変換である。
エスケープエンコーディングは、評価されたストックルールベースおよび非ルールアタックの下で、桁のみのターゲットをゼロにリカバリする。
展開測定は、3つのIoTボード上にマイクロ秒スケールのベアメタルトランスフォーメーションを示す。
- 参考スコア（独自算出の注目度）: 1.3537117504260623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Internet of Things (IoT) gateways, edge authentication servers, and legacy systems need protection against offline password guessing after credential-database disclosure. Memory-hard key derivation functions (KDFs) are the preferred defense, but their resource requirements can exceed memory or latency budgets. ARMOR addresses this gap with a schema-preserving verifier-side transform for database-only (DB-only) compromise. Secret per-account chains of injective operations reside in an isolated Chain Registry. Fixed terminal escape encoding preserves distinct pre-hash values under each chain and moves outputs outside printable ASCII. We evaluate NAIVE adversaries using unmodified cracking tools and AWARE adversaries that enumerate chains. For the evaluated pre-hardened three-operation chains, NAIVE recovery is at most 0.10% on non-digit targets. Escape encoding yields zero recovery of digit-only targets under evaluated stock rule-based and non-rule attacks, closing a bypass permitting up to 45.3% recovery. Across 14.05 million eligible RockYou password entries, retaining duplicates, the median conditional guessing number is approximately 52 output-class tests at depth three and 317 at depth five. These values quantify the chain-search subproblem given the correct plaintext under a unit-cost model. A separate historical 14-operation AWARE evaluation matches all transformed targets at full dictionary coverage. Deployment measurements show microsecond-scale bare-metal transforms on three IoT boards, with protected storage dominating the measured TrustZone-M prototype components. Although an isolated high-entropy pepper provides stronger cryptographic protection, ARMOR combines compact per-account chain storage with low transform cost. When resources permit and the KDF accepts the complete transformed output, ARMOR composes as KDF(ARMOR(password)).
- Abstract（参考訳）: Internet of Things(IoT)ゲートウェイ、エッジ認証サーバ、レガシシステムは、クレデンシャルデータベース公開後のオフラインパスワード推測に対する保護が必要である。
メモリハードキー導出関数(KDF)は望ましい防御機能であるが、そのリソース要求はメモリやレイテンシーの予算を超える可能性がある。
ARMORはこのギャップに、データベースのみ(DBのみ)の妥協のためのスキーマ保存検証側変換で対処する。
インジェクティブ操作のアカウント単位のシークレットチェーンは、独立したチェーンレジストリに格納される。
固定された端末エスケープエンコーディングは、各チェーンの下で異なる事前ハッシュ値を保持し、出力を印刷可能なASCII外に移動させる。
鎖列を列挙する非修正クラッキングツールとAWARE敵を用いてNAIVE敵を評価した。
評価済みの3重運用チェーンでは、NAIVEリカバリは非デジタルターゲットに対して少なくとも0.10%である。
エスケープエンコーディングは、評価されたストックルールベースおよび非ルールアタックの下で、桁のみのターゲットをゼロにリカバリし、最大45.3%のリカバリを可能にするバイパスを閉じる。
1405万件のRockYouパスワードエントリが重複し続けており、条件付き推測の中央値は深さ3で約52、深さ5で約317である。
これらの値は、単位コストモデルの下で正しい平文を与えられた連鎖探索サブプロブレムを定量化する。
異なる14-Operaation AWARE評価は、すべての変換されたターゲットを完全な辞書のカバレッジで一致させる。
デプロイ測定では、3つのIoTボード上にマイクロ秒スケールのベアメタルトランスフォーメーションを示し、測定されたTrustZone-Mプロトタイプコンポーネントを保護ストレージが支配している。
分離された高エントロピーペッパーはより強力な暗号化保護を提供するが、ARMORはコンパクトなアカウント単位のチェーンストレージと低いトランスフォーメーションコストを組み合わせたものである。
リソースが許可され、KDFが完全に変換された出力を受け入れると、ARMORはKDF(ARMOR(password))として構成される。
関連論文リスト
- Available Guardrails: Certifying Selective Prediction across ML Systems [40.57629016626049]
安全, 粒度, サービストラフィックのトレードオフを明らかにする動的プログラムを開発する。
1つの計画上の候補分割を分割し、その中の1つを選択すると、このギャップの一部が回復することを示す。
相補的妥当性保存レバーは、報告ユニット間で家庭的にエラー予算を割り当て、追加のカバレッジを回復する。
論文 参考訳（メタデータ） (2026-09-18T17:36:52Z) - LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。
我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-26T12:13:05Z) - An Empirical Cost Attribution of Context-Compression Gateways in Multi-Turn Coding Agents [0.9689471757238836]
符号化エージェント (Claude Code, Codex) とフロンティア LLM (Claude Sonnet, GPT-5) 間の生産圧縮ゲートウェイ (Paritok) を実装。
実際のセッションのトークン請求書を3つの独立したレバーに分解する。ツールスキーマフィルタリング、ファイル読み込みとツール出力のコンテンツ圧縮、履歴要約である。
強力なシングルショット圧縮ベンチマーク - SWEベンチの品質の86.5%が25.7%の圧縮速度で維持されており、このゲートウェイがデプロイするモデルによって達成されている - はマルチターンエージェントのコストであり、コスト削減の議論として言及されてはならない。
論文 参考訳（メタデータ） (2026-08-19T07:43:01Z) - SHARD: cell-keyed residual splitting for alignment-resistant private dense retrieval [0.0]
SHARDは、その弱い軸を除去する検索保存型埋め込み変換である。
センス埋め込みはセマンティック検索と検索強化生成の基盤となる。
SHARDは攻撃を意識した防御であり、暗号的な保証ではない。
論文 参考訳（メタデータ） (2026-06-26T11:26:53Z) - MemLineage: Lineage-Guided Enforcement for LLM Agent Memory [3.058164432275431]
我々は,LLMエージェントメモリの防衛機能であるMemLineageを紹介した。
最近のコンカレントな作業は、信頼できないコンテンツを永続的なエージェントの状態に書き込むことができ、後続のセッションを命令として再入力できることを示している。
MemLineageは、これをフィルタリング問題ではなく、チェーンオブカストディ問題として扱う。
論文 参考訳（メタデータ） (2026-05-14T06:07:54Z) - Echo: KV-Cache-Free Associative Recall with Spectral Koopman Operators [45.88028371034407]
スペクトルクープマン注意(SKA)を中心に構築されたKV-cacheフリー連想リコールアーキテクチャ
我々は、SKA(Spectral Koopman Attention)を中心に構築されたKV-cacheフリーな連想型リコールアーキテクチャであるEchoを紹介する。
論文 参考訳（メタデータ） (2026-05-07T22:26:27Z) - Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。
敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。
最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
論文 参考訳（メタデータ） (2026-04-14T06:48:33Z) - ElephantBroker: A Knowledge-Grounded Cognitive Runtime for Trustworthy AI Agents [45.88028371034407]
ElephantBrokerはオープンソースの認知ランタイムで、Neo4jナレッジグラフとQdrantベクトルストアを統合する。
このシステムは、ハイブリッド5ソース検索パイプラインからなる完全な認知ループ(ストア、検索、スコア、構成、保護、学習)を実装している。
論文 参考訳（メタデータ） (2026-03-26T07:03:12Z) - Repurposing Backdoors for Good: Ephemeral Intrinsic Proofs for Verifiable Aggregation in Cross-silo Federated Learning [30.440611659881494]
暗号証明からtextitIntrinsic Proofs へ移行する軽量アーキテクチャを提案する。
モデルパラメータに直接検証信号を埋め込むために、カタストロフィックフォーッティングを利用する。
我々の手法は、暗号ベースラインと比較して、ResNet-18で1000ドル以上のスピードアップを実現し、大規模モデルに効果的にスケールする。
論文 参考訳（メタデータ） (2026-03-11T12:04:18Z) - InfMem: Learning System-2 Memory Control for Long-Context Agent [43.413381779578266]
InfMemは、PreThink-Retrieve-Writeプロトコルを介してSystem-2スタイルの制御をインスタンス化する制御中心のエージェントである。
32kから100Mまでの超長期のQAベンチマークでは、InfMemはバックボーン全体でMemAgentを一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-02T19:15:08Z) - Key-Conditioned Orthonormal Transform Gating (K-OTG): Multi-Key Access Control with Hidden-State Scrambling for LoRA-Tuned Models [26.81598226089532]
K-OTGはデュアルパスコーパスコーパスでトレーニングする:ロールキーを持つ認証された例はタスクの出力を、未承認例は可視なブロックトークンを学習する。
キーは特別なトークンとして追加されず、LoRAを4ビットベースでクリーンに構成する。
論文 参考訳（メタデータ） (2025-12-19T12:42:53Z)
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。