論文の概要: No, Your Tools Are Not Enough: It's Time to Bring Agents to the Hunt

• arxiv url: http://arxiv.org/abs/2610.14729v1
• Date: Sat, 10 Oct 2026 08:49:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:03:49.871353
• Title: No, Your Tools Are Not Enough: It's Time to Bring Agents to the Hunt
• Title（参考訳）: エージェントをハントに持ち込む時が来た
• Abstract要約: 我々は、AIエージェントを使用して、Windowsドライバ、Linuxカーネル、XNU、ファームウェア、Webアプリケーションなど、さまざまなプログラムの脆弱性を見つけました。 我々は、エージェントが以前困難だったタスクと、自律的な脆弱性発見を進める上で重要であると考える今後の研究方向性について議論する。
• 参考スコア（独自算出の注目度）: 16.97066311227664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern software systems are large and complex, demanding scalable and autonomous techniques for vulnerability discovery. Existing approaches still depend on human expertise for domain knowledge, and on human intervention throughout the process of vulnerability discovery. AI agents offer us an opportunity to make vulnerability discovery more adaptive, scalable, and autonomous. Agents bring the ability to make continuous decisions and adapt, and general knowledge that can be augmented. In this paper, we present our experience using AI agents to find vulnerabilities across diverse programs such as Windows drivers, the Linux kernel, XNU, firmware, and web applications. We use an iterative agentic workflow and find that it generalizes across these targets. We discuss tasks that agents help with, which were previously challenging, and some future research directions we consider important for advancing autonomous vulnerability discovery.
• Abstract（参考訳）: 現代のソフトウェアシステムは大規模で複雑で、脆弱性発見のためにスケーラブルで自律的な技術を必要としている。 既存のアプローチは、ドメイン知識に対する人間の専門知識と、脆弱性発見のプロセスを通しての人間の介入に依存しています。 AIエージェントは、脆弱性発見をより適応的でスケーラブルで自律的なものにする機会を提供する。 エージェントは、継続的な意思決定と適応、拡張可能な一般的な知識をもたらす。 本稿では,WindowsドライバやLinuxカーネル,XNU,ファームウェア,Webアプリケーションなど,さまざまなプログラムを対象とした脆弱性発見にAIエージェントを使用した経験を紹介する。 反復的なエージェントワークフローを使用して、これらのターゲットをまたいで一般化することを見つけます。 我々は、エージェントが以前困難だったタスクと、自律的な脆弱性発見を進める上で重要であると考える今後の研究方向性について議論する。

関連論文リスト

• An Exploration of Attacks on AI Agent Systems [3.014771008835981]
  自律型AIエージェントがセンシティブなドメインに統合されるにつれて、シングルエージェントとマルチエージェントのAIシステムが安全であることが不可欠である。 本稿では,直接ユーザ入力とエージェント間通信の両方を即時インジェクション攻撃で活用し,機密情報を漏洩させ,エージェント間感染を誘発する方法について検討する。
  論文  参考訳（メタデータ） (2026-10-08T02:29:20Z)
• SoK: The Attack Surface of Agentic AI -- Tools, and Autonomy [3.340255811686752]
  最近のAIシステムは、大規模な言語モデルとツール、検索強化生成(RAG)による外部知識を組み合わせている。 このエージェントAIパラダイムは、能力を大幅に拡張すると同時に、攻撃面を大きく拡大する。 我々は、即時レベルの注射、知識ベース中毒、ツール/プラグインエクスプロイト、マルチエージェント緊急脅威にまたがる攻撃の包括的分類を開発する。
  論文  参考訳（メタデータ） (2026-03-24T08:21:51Z)
• Self-Sovereign Agent [75.57858796824469]
  自己主権型AIシステムは、人間の関与なしに、経済的に自分たちの操作を維持および拡張することができる。 大規模言語モデルやエージェントフレームワークの最近の進歩は、エージェントの実用能力を大幅に拡張した。
  論文  参考訳（メタデータ） (2026-03-04T03:11:26Z)
• Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
  汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。 現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。 我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
  論文  参考訳（メタデータ） (2025-08-01T08:11:31Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• Fundamental Risks in the Current Deployment of General-Purpose AI Models: What Have We (Not) Learnt From Cybersecurity? [60.629883024152576]
  大規模言語モデル(LLM)は、幅広いユースケースで急速にデプロイされている。 OpenAIs Alteraは、自律性の向上、データアクセス、実行機能の一例に過ぎない。 これらの方法には、さまざまなサイバーセキュリティ上の課題が伴う。
  論文  参考訳（メタデータ） (2024-12-19T14:44:41Z)
• Security of AI Agents [5.468745160706382]
  システムセキュリティの観点から、AIエージェントの潜在的な脆弱性を特定し、記述する。 本研究では,各脆弱性に対応する防御機構を設計と実験で導入し,その生存性を評価する。 本稿では、現在のAIエージェント開発におけるセキュリティ問題を文脈的に分析し、AIエージェントをより安全で信頼性の高いものにするための方法を解説する。
  論文  参考訳（メタデータ） (2024-06-12T23:16:45Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

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。