論文の概要: Silent Blindness: Fault Vulnerability of Hardware Malware Detectors
- arxiv url: http://arxiv.org/abs/2610.36612v1
- Date: Tue, 27 Oct 2026 04:16:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 04:15:49.228777
- Title: Silent Blindness: Fault Vulnerability of Hardware Malware Detectors
- Title（参考訳）: サイレントブラインドネス:ハードウェアマルウェア検出器の故障脆弱性
- Abstract要約: ハードウェアマルウェア検知器(HMD)は、ハードウェアのパフォーマンスカウンタの測定を分類し、悪意のある実行を識別する。
決定ロジックやパラメータの欠陥は検出を弱め、マルウェアを良性として分類することができる。
本研究では,18の分類器,4つの対策予算,AdaBoostとBaggingのアンサンブルからなる設計空間における構造的欠陥注入による脆弱性について検討する。
- 参考スコア（独自算出の注目度）: 1.047867859066806
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hardware malware detectors (HMDs) classify hardware performance-counter measurements to identify malicious execution. Faults in their decision logic or parameters can weaken detection and allow malware to be classified as benign. We investigate this vulnerability through structural fault injection across a design space comprising 18 classifiers, four counter budgets, and AdaBoost and Bagging ensembles. The simulation evaluates 453,174 decision stuck-at and selected parameter bit-flip events on a 7,400-instance. Primary comparisons use 128 completed configurations. These completed-subset results are distinguished from the simulation summaries covering 140 configurations with enumerable fault sites. Fault outcomes are classified by their security consequences, including evasion, false-alarm increases, and metric silence. A fault is critical when malware recall decreases by at least five percentage points. Tree-based models exhibit a lower mean critical-fault fraction than function-based models, 5.3% versus 14.3%; exhaustive-only analysis preserves this ordering. Moreover, 72.3% of evaluated tree faults are metric-silent, changing both recall and false-positive rate by less than 0.1 percentage points without necessarily preserving individual predictions. Among the 27 completed matched comparisons, Bagging reduces criticality in 26, whereas AdaBoost increases it in two. Finally, an exact minimax selection method identifies protection candidates under additive unit costs and ideal correction. For a representative J48 detector, protecting 16 of 115 structural units reduces predicted maximum recall loss from 60.1 to 3.3 percentage points. These results characterize structural-model sensitivity and potential protection benefits; faulted RTL correspondence and physical hardening overhead remain unvalidated.
- Abstract（参考訳）: ハードウェアマルウェア検知器(HMD)は、ハードウェアのパフォーマンスカウンタの測定を分類し、悪意のある実行を識別する。
決定ロジックやパラメータの欠陥は検出を弱め、マルウェアを良性として分類することができる。
本研究では,18の分類器,4つの対策予算,AdaBoostとBaggingのアンサンブルからなる設計空間における構造的欠陥注入による脆弱性について検討する。
シミュレーションは、7,400のインスタンス上で453,174の判定と選択されたパラメータビットフリップイベントを評価する。
一次比較では、128の完了した構成を使用する。
最終サブセットの結果は,140個の構成とエヌメタブル・フォールト・サイトを包含するシミュレーション・サマリーと区別される。
障害の結果は、回避、偽アラームの増加、メートル法沈黙など、セキュリティ上の結果によって分類される。
マルウェアのリコールが少なくとも5ポイント減少すると、障害は深刻になる。
木ベースのモデルでは、関数ベースのモデルよりも平均臨界値の割合が低く、5.3%対14.3%である。
さらに、評価された木の断層の72.3%はメートル法的なサイレントであり、個々の予測を必ずしも保存することなく、リコール率と偽陽性率の両方を0.1パーセント未満に変化させる。
27個の整合した比較のうち、Baggingは26で臨界度を減少させ、AdaBoostは2つに増やした。
最後に、厳密なミニマックス選択法は、加算単位コストと理想的な補正の下で保護候補を特定する。
代表的なJ48検出器では、115個の構造ユニットのうち16個の保護により、予測される最大リコール損失が60.1から3.3ポイントまで減少する。
これらの結果は, 構造モデル感度と潜在的な保護効果を特徴づけるものである。
関連論文リスト
- AGO AI Quality Gate: Evidence-First Release Decisions for Retrieval-Augmented Generation [35.18016233072556]
AGO AI Quality Gateは、産業RAGアセスメントエンゲージメントにデプロイされるエビデンスファーストの品質ゲートフレームワークである。
AGOは4つの重要なコンポーネントを統合している。データ不足を処理し、エラーを明確な結果として判断する4状態決定モデルだ。
RAGBenchは、12データセットにわたる100kの注釈付きRAGトレースの公開ベンチマークである。
論文 参考訳（メタデータ） (2026-10-01T07:24:04Z) - DeBERTa-ConPara: Attack-Aware and Deployment-Realistic Detection of AI-Generated Text [42.255101883505056]
DeBERTa-ConParaは,HC3 Plus,M4,MAGE,RAIDで学習した文脈変換器エンコーダと,攻撃対応Unicode前処理を組み合わせたデプロイメント指向検出器である。
我々の中心的な発見は、前処理が適用された場所によって反対方向に作用することである。
2つの配置の因子的変化は、正規化推論による生のトレーニングを最高の設定として独立に識別する。
12種類の攻撃クラスのうち、ホモグリーフとゼロ幅空間の挿入は11.05%から1.12%から96.98%に増加した。
論文 参考訳（メタデータ） (2026-10-01T00:57:33Z) - CounterSteer: Suppressing Indirect Prompt Injection with Activation Steering [4.1626636325601405]
間接的なプロンプトインジェクションにより、エージェントは信頼できない検索されたテキストを命令として扱う。
モデル内のこの振る舞いを抑える推論時間ディフェンスであるCounterSteerを提案する。
論文 参考訳（メタデータ） (2026-09-29T02:51:31Z) - Where the Numbers Come From: Auditing Evaluation in Provenance-Based Intrusion Detection [42.49426058823369]
証明に基づく侵入検知器のスコアを再現しても、そのアラームの出力やエンコーダが使用する情報についてそのスコアが何を言っているかは定かでない。
我々は、リリースした9つの実装を監査し、独自のコードを使用して4つの検出器を実行し、3つの測定効果を分離する。
論文 参考訳（メタデータ） (2026-09-27T13:01:02Z) - Measuring the Checker: Mutation Analysis for GPU-Kernel Benchmark Oracles [86.41218924166775]
LLM生成のGPUカーネルのベンチマークは、ランダムな入力とゆるやかな浮動小数点耐性で正確性を決定する。
最近の研究は、これらのチェッカーは弱く、手動でパッチを当てることに同意している。
本稿では,カーネルベンチマークの精度指標として突然変異解析を導入する。
論文 参考訳（メタデータ） (2026-09-02T10:30:05Z) - BadQubits: An LLM-Based Framework for Static Pre-Execution Detection of Structurally Harmful Quantum Circuits [0.0]
BadQubitsは、構造的に有害なOpenQASM 2.0回路の静的事前実行検出のためのLLMベースのフレームワークである。
1500回路のデータセット上で,コードに基づくLCMアーキテクチャを4つ評価した。
論文 参考訳（メタデータ） (2026-07-16T00:50:42Z) - Send a SCOUT First: Pre-hoc Reasoning for Adaptive Detector Allocation in Prompt-Injection Defense [37.10272384523361]
我々は、各検出器のサンプルごとの信頼性と遅延を、同様の過去の入力に対する動作から予測するためのフレームワークを開発する。
SCOUT-450は、古いプロンプトインジェクションが表現下にある構造的に複雑でエージェント対応のインジェクションをキャプチャするベンチマークである。
SCOUT-450では、安全指向の動作点が攻撃発生率を46%減らし、壁時計全体の40%減らした。
論文 参考訳（メタデータ） (2026-05-29T04:49:20Z) - From Correlation to Cause: A Five-Stage Methodology for Feature Analysis in Transformer Language Models [0.0]
変換言語モデルにおける因果的特徴分析のための5段階の手法を提案する。
Indirect Object Identification (IOI) タスクを実行するGPT-2のエンド・ツー・エンドを実証する。
論文 参考訳（メタデータ） (2026-05-21T13:25:16Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Understanding NPM Malicious Package Detection: A Benchmark-Driven Empirical Analysis [10.599261033874884]
NPMエコシステムは、ソフトウェアサプライチェーン攻撃の主要なターゲットとなっている。
ベンチマークによるNPMマルウェア検出の実証分析を行う。
我々は、11の行動カテゴリと8の回避テクニックを付加した、6,420の悪意のある7,288の良性パッケージのデータセットを構築した。
論文 参考訳（メタデータ） (2026-03-29T07:04:31Z)
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。