論文の概要: DarKnight: Retrieval-Guided Agentic Framework for Breaking Dark Web CAPTCHA Gates
- arxiv url: http://arxiv.org/abs/2610.19830v1
- Date: Wed, 14 Oct 2026 09:04:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.061984
- Title: DarKnight: Retrieval-Guided Agentic Framework for Breaking Dark Web CAPTCHA Gates
- Title（参考訳）: DarKnight:ダークウェブCAPTCHAゲートを壊すための検索ガイド付きエージェントフレームワーク
- Abstract要約: DarKnightは、調査員のTorクローラー内の1つのワークステーションで動作するように設計されたエージェントフレームワークである。
同様のイメージに対する成功と失敗の過去の試みを検索し、イメージ固有の前処理パイプラインを構成し、サイトのパス/フェイル判定から学習する。
- 参考スコア（独自算出の注目度）: 0.8654543631089129
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cyber Threat Intelligence (CTI) investigators who monitor dark web marketplaces for leaked credentials and breach listings must pass the diverse CAPTCHAs that operators deploy to block automated collection. Existing solvers either need unscalable per-site fine-tuning or rely on commercial Vision-Language Model (VLM) APIs, which surrender operational sovereignty: provider policies, Tor-exit blocking, government regulation, or model updates outside the investigator's control can halt or alter the solver overnight, and per-call costs recur with every session and retry. We present DarKnight, a self-improving agentic framework designed to run on a single workstation GPU inside an investigator's Tor crawler and solve CAPTCHAs with small, locally hosted open-weight VLMs that no provider decision can withdraw, without per-market training or third-party services. For each CAPTCHA, DarKnight retrieves successful and failed past attempts on similar images (dual-signal RAG), composes an image-specific preprocessing pipeline, and learns from the site's pass/fail verdict. In a case study on four real-world dark web marketplaces, agentic tool selection outperformed parameter scaling. A deployable open-weight VLM with DarKnight reached 83.2\% on the most heavily defended market, 37.2 percentage points above its base model, outperforming even the frontier Claude Opus~5 (44%). DarKnight recovered 48.2% of baseline failures at a 7.6% degeneration cost, indicating that selective tool use can avoid much of the degradation caused by uniform preprocessing.
- Abstract（参考訳）: CTI(Cyber Threat Intelligence)の調査員は、暗黒ウェブの市場を監視し、情報漏洩や情報漏洩を監視できるため、オペレーターが自動収集をブロックするために配置する多様なCAPTCHAをパスしなければならない。
既存のソルバは、サイトごとの微調整ができないか、商用のVision-Language Model (VLM) APIに依存しており、オペレーショナル主権を放棄する: プロバイダポリシー、Tor-Exitブロック、政府の規制、または調査員のコントロール外のモデル更新は、一晩でソルバを停止または変更できる。
DarKnightは、調査員のTorクローラ内の単一のワークステーションGPU上で動作し、小さなローカルにホストされたオープンウェイトなVLMでCAPTCHAを解決し、市場ごとのトレーニングやサードパーティサービスなしで、提供者による決定を下すことができない、自己改善型のエージェントフレームワークである。
CAPTCHA毎に、DarKnightは、同じイメージ(Dual-signal RAG)に対する成功と失敗を回収し、イメージ固有の前処理パイプラインを構成し、サイトのパス/フェイル判定から学習する。
実世界の4つのダークウェブマーケットプレースに関するケーススタディでは、エージェントツールの選択はパラメータスケーリングよりも優れていた。
ダルクナイトを搭載した展開可能なオープンウェイトVLMは83.2 %に達し、ベースモデルより37.2 ポイント上り、フロンティアのクロード・オプス(44%)よりも優れていた。
ダーナイトは7.6%の再生コストで48.2%のベースライン故障を回復し、選択ツールの使用は均一な前処理による劣化の多くを回避できることを示した。
関連論文リスト
- RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。
適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。
LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
論文 参考訳（メタデータ） (2026-10-08T15:49:03Z) - How to Speculate about Uncertainty in Agentic Coding? A Draft-Model Gate Method [4.37919186746582]
ブラックボックスエージェントの予測故障信号を復元する手法である投機的不確実性(SU)を提案する。
我々は、推論とアクションスパンを分離して位相認識の特徴を抽出し、検証対象に対して校正する。
SUは、ルーティング、人間の介入、テストタイムの余分な計算など、ダウンストリームポリシーが直接的に消費できる、障害に似たスコアを生成する。
論文 参考訳（メタデータ） (2026-09-04T15:30:22Z) - CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild [49.44069582581181]
CyberFactoryは、CVEを含む公開脆弱性アーティファクトをワイルドから実行可能で検証可能なタスクインスタンスに変換する。
再利用可能な脆弱性分析スキルを使用して、ソースインスペクション、ドメイン前の問題解決、エビデンスベースのバリデーションを通じて教師を指導する。
CyberGymでは1時間の予算で52.4%のPass@1に達し、Qwen3.5ベースモデルを+22.8ポイント改善した。
論文 参考訳（メタデータ） (2026-08-24T12:30:10Z) - FailForge: Distilling Procedural Competence from Persistent Failures into Code Agents [49.519184792774304]
FailForgeは、失敗したロールアウトをトレーニングシグナルに変換するエージェントフレームワークである。
FailForgeは、これまで失敗したインスタンスの26%を、限界的な追加コストでリカバリする。
論文 参考訳（メタデータ） (2026-08-09T08:22:57Z) - Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents [80.03824805228719]
コンピュータ利用エージェントを開発する上での大きな課題は、大規模で高品質な軌道を収集することである。
我々は、失敗した軌道をエージェント改善に変換するデータ中心のパラダイムを提案する。
この手法をOSWorldベンチマーク上で,最先端のOpenCUA-72Bモデルを用いて検証する。
論文 参考訳（メタデータ） (2026-06-30T07:44:37Z) - 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) - CyberChainBench: Can AI Agents Secure Smart Contracts Against Real-World On-Chain Vulnerabilities? [28.049089946230513]
CyberChainBenchは、LLMベースのエージェントをスマートコントラクトセキュリティで評価するためのベンチマークである。
DeFiHackLabsの541の現実世界のエクスプロイトインシデントから構築されたこのベンチマークは、エンドツーエンドのチェーン評価を提供する。
最良の構成は検出で37.5%、エクスプロイトで43.7%、パッチで23.4%である。
論文 参考訳（メタデータ） (2026-06-24T17:58:16Z) - AgentForesight: Online Auditing for Early Failure Prediction in Multi-Agent Systems [30.172832661173928]
LLMベースのマルチエージェントシステムは、長距離タスクにますますデプロイされている。
単一の決定的なエラーは、しばしば下流のエージェントやカスケードによって軌道レベルの障害として受け入れられる。
我々は,この問題をオンライン監査として再編成するフレームワークであるAgentForesightを紹介した。
論文 参考訳（メタデータ） (2026-05-09T05:55:19Z) - SABER: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models [55.48982086345088]
SABERは、VLAモデルに対する命令ベースの敵攻撃を自動的に生成するエージェント中心のアプローチである。
SABERはタスク成功率を20.6%減らし,アクションシーケンス長を55%増し,制約違反を33%減らした。
論文 参考訳（メタデータ） (2026-03-26T01:56:01Z) - ASPIRER: Bypassing System Prompts With Permutation-based Backdoors in LLMs [17.853862145962292]
システムプロンプトを体系的に回避する新しいバックドアアタックを導入する。
本手法は,98.58%のクリーン精度(CACC)を維持しつつ,攻撃成功率(ASR)を99.50%まで達成する。
論文 参考訳（メタデータ） (2024-10-05T02:58:20Z)
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。