論文の概要: When Core-Network Elements Become Reachable: Field-Level Exploitability Analysis in Diameter
- arxiv url: http://arxiv.org/abs/2610.22943v2
- Date: Tue, 20 Oct 2026 02:16:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.221033
- Title: When Core-Network Elements Become Reachable: Field-Level Exploitability Analysis in Diameter
- Title（参考訳）: コアネットワーク要素が到達可能になったとき:直径のフィールドレベル爆発性解析
- Abstract要約: フィールドレベル・ダイアメータの信頼性評価のためのLCMベースのシステムであるLENSを提案する。
S6a と Cx インターフェースのフィールドパスの25%以上は、検討された脅威モデルの下で利用可能である。
オープンソースEPC/IMS実装で17、商用デプロイメントで78など、これまで不明だった95の脆弱性を発見しました。
- 参考スコア（独自算出の注目度）: 21.699687547506727
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing exposure of cellular core-network elements to public networks has turned Diameter signaling interfaces into a practical attack surface. While large language models (LLMs) show promise for protocol exploitability analysis, we find that their judgments on Diameter can be unreliable because they may deviate from the tacit analysis discipline followed by security experts and reach conclusions without considering complete protocol evidence. To address this challenge, we present LENS, an LLM-based system for reliable field-level Diameter exploitability analysis. LENS guides LLMs using both exploitability-analysis discipline and the protocol evidence needed for analysis. It infers analysis discipline from existing exploit writeups and evidence-collection guidance from exploitability-analysis failures, enabling systematic evidence collection, exploitability assessment, and proof-of-concept (PoC) attack generation when applicable. Our experiments show that LENS performs reliable analysis across four LLMs and repeated runs, achieving mean recall of 94.00% to 98.00%, precision of 78.73% to 88.94%, and accuracy of 84.00% to 92.00%. We find that more than 25% of field paths in the S6a and Cx interfaces are exploitable under the considered threat model. We further assess their impact on practical implementations and uncover 95 previously unknown vulnerabilities, including 17 in open-source EPC/IMS implementations and 78 in commercial deployments, causing service disruption, information leakage, subscriber tracking, and accelerated battery depletion. Applying LENS to 16 additional protocols spanning cellular, network, industrial, and host-internal systems uncovers 118 previously unknown vulnerabilities, demonstrating its strong generalizability.
- Abstract（参考訳）: セルラーコアネットワーク要素の公開ネットワークへの露出が増加し、ダイアメーター信号インタフェースは実用的な攻撃面となった。
大規模言語モデル (LLM) は, プロトコルエクスプロイラビリティ解析の可能性を示唆するが, 完全なプロトコルエビデンスを考慮せずに, セキュリティ専門家による暗黙的な分析の規律から逸脱し, 結論に達する可能性があるため, ダイアメータ上の判断は信頼できない。
この課題に対処するため、LENSは、フィールドレベル・ダイアメータ・エクスプロイラビリティー解析のためのLLMベースのシステムである。
LENSは、利用可能性分析の規律と分析に必要なプロトコルエビデンスの両方を用いてLCMをガイドする。
既存のエクスプロイトの書き込みと、エクスプロイラビリティ分析失敗からのエビデンス・コレクション・ガイダンスから分析の規律を推論し、システマティックエビデンス収集、エクスプロイラビリティアセスメント、および適用可能な場合の概念実証(PoC)アタック生成を可能にする。
実験の結果,LENSは4つのLLMおよび繰り返し実行の信頼性解析を行い,平均リコール率94.00%から98.00%,精度78.73%から88.94%,精度84.00%から92.00%を実現した。
S6a と Cx インターフェースのフィールドパスの25%以上は、検討された脅威モデルの下で利用可能である。
オープンソースのEPC/IMS実装で17、商用デプロイメントで78、サービス破壊、情報漏洩、サブスクライバ追跡、バッテリー劣化の加速など、すでに不明な95の脆弱性を明らかにする。
LENSを携帯電話、ネットワーク、産業、ホスト内部のシステムにまたがる16のプロトコルに適用すると、118の既知の脆弱性が明らかになり、その強力な一般化可能性を示している。
関連論文リスト
- Discovery or Memorization? A Faithful Benchmark for Real-World Business-Logic Vulnerability Discovery [54.222719340971075]
AnonVulは132のアプリケーションレベルのビジネス論理的脆弱性の言語間ベンチマークである。
これは、タスクを匿名化し、専門家が書いた仕様からオラクルを注入し、エクスプロイトを検証する半自動化パイプラインによって構築される。
我々は、AnonVulベンチマークの6つの最新脆弱性発見エージェントを評価し、発見成功、コスト効率、匿名化感度、オラクルの妥当性、障害モードを測定した。
論文 参考訳（メタデータ） (2026-10-13T01:10:42Z) - No-Box Vulnerability Analysis: Description-only Detection of Indirect Prompt Injection Vulnerabilities in MCP Servers [27.798987060237994]
本稿では,アクセスとランタイムの相互作用が不要な,No-box脆弱性解析の新しいパラダイムを提案する。
MCPSECと呼ばれるプロトタイプを実装し、モデルコンテキストプロトコル(MCP)サーバを間接的にインジェクションの脆弱性を検査する。
論文 参考訳（メタデータ） (2026-09-09T21:43:27Z) - Metis: Learning to Jailbreak LLMs via Self-Evolving Metacognitive Policy Optimization [51.11398557420066]
我々は、推論時ポリシー最適化としてジェイルブレイクを改定するフレームワークであるMetisを紹介する。
メティスは比較手法の中でも89.2%で最強のアタック成功率(ASR)を達成している。
冗長な探索を最適化に置き換えることで、Metisはトークンコストを平均8.2倍、最大11.4倍に削減する。
論文 参考訳（メタデータ） (2026-05-11T06:45:00Z) - SecPI: Secure Code Generation with Reasoning Models via Security Reasoning Internalization [50.71047638695205]
RLM(Reasoning Language Model)は、プログラミングにおいてますます使われている言語モデルである。
しかし、最先端のRLMでさえ、生成されたコードに重大なセキュリティ脆弱性を頻繁に導入する。
我々は、構造化されたセキュリティ推論を内部化するためのRTMを教える微調整パイプラインであるSecPIを提案する。
論文 参考訳（メタデータ） (2026-04-04T04:29:11Z) - ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。
ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
論文 参考訳（メタデータ） (2026-01-15T08:23:38Z) - Enhancing reliability in AI inference services: An empirical study on real production incidents [6.549475714716768]
本稿では,大規模言語モデル(LLM)推論インシデントに関する最初のプロバイダ間,実践ベースの分析手法を提案する。
我々は1年間の運用経験に基づく分類と方法論を開発し、156件の高重度事象を検証した。
本研究は,推論操作の系統的,経験的基礎解析が,大規模で信頼性が高く,コスト効率のよいLLMサービスを実現する方法を示す。
論文 参考訳（メタデータ） (2025-10-17T23:16:29Z) - Can LLM Prompting Serve as a Proxy for Static Analysis in Vulnerability Detection [9.269926508651091]
大規模言語モデル(LLM)は、脆弱性検出などの安全クリティカルなコードタスクに制限があることを示している。
本稿では,脆弱性の自然言語命令を,対照的な連鎖推論と統合する戦略を提案する。
本研究は,静的アナライザの厳格な手作りルールに代えて,セキュリティ対応のプロンプト技術が有効であることを示す。
論文 参考訳（メタデータ） (2024-12-16T18:08:14Z) - ProveRAG: Provenance-Driven Vulnerability Analysis with Automated Retrieval-Augmented LLMs [1.7191671053507043]
セキュリティアナリストは、新たに発見された脆弱性をリアルタイムで軽減するという課題に直面している。
1999年以降、30,000以上の共通脆弱性と暴露が特定されている。
2024年には25,000以上の脆弱性が特定されている。
論文 参考訳（メタデータ） (2024-10-22T20:28:57Z) - Exploring Automatic Cryptographic API Misuse Detection in the Era of LLMs [60.32717556756674]
本稿では,暗号誤用の検出において,大規模言語モデルを評価するための体系的評価フレームワークを提案する。
11,940個のLCM生成レポートを詳細に分析したところ、LSMに固有の不安定性は、報告の半数以上が偽陽性になる可能性があることがわかった。
最適化されたアプローチは、従来の手法を超え、確立されたベンチマークでこれまで知られていなかった誤用を明らかにすることで、90%近い顕著な検出率を達成する。
論文 参考訳（メタデータ） (2024-07-23T15:31:26Z)
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。