論文の概要: Cross-Evidence Authorization State Learning for Runtime Detection of Broken Object-Level Authorization in Black-Box Web Applications

• arxiv url: http://arxiv.org/abs/2611.00738v1
• Date: Sat, 31 Oct 2026 08:31:17 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:04:19.314194
• Title: Cross-Evidence Authorization State Learning for Runtime Detection of Broken Object-Level Authorization in Black-Box Web Applications
• Title（参考訳）: Black-Box WebアプリケーションにおけるBroken Object-Level認証の実行時検出のためのクロスエビデンス認証状態学習
• Abstract要約: ブラックボックスWebアプリケーションでは、Broken Object-level Author (BOLA) の検出が困難である。 本稿では,要求-応答トランザクションから対象-リソース-オブジェクト-アクション関係を再構築するクロスエビデンス認可-状態学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Broken object-level authorization (BOLA) remains difficult to detect in black-box Web applications because external runtime monitors generally lack access to source code, authorization policies, and object-ownership records. This paper proposes a cross-evidence authorization-state learning method that reconstructs subject--resource--object--action relations from request--response transactions. The method represents authorization relations with confidence-aware states, aggregates positive and negative evidence while accounting for provenance independence, and applies contamination-gated promotion, evidence quarantine and rollback, expiration, and revocation. A Python prototype is evaluated using a deterministic synthetic benchmark comprising 64,400 requests across five independent random seeds. In this benchmark, the proposed method achieves 100.00% recall, an F1-score of 56.63%, and a false-positive rate of 33.65%, while the measured unauthorized-relation pollution rate is 0.00%. Ablation experiments show that removing provenance independence or evidence quarantine increases the pollution rate to 100.00%. The experiments provide an initial evaluation under controlled synthetic conditions.
• Abstract（参考訳）: ブラックボックスのWebアプリケーションでは、外部のランタイムモニタが一般的にソースコード、認証ポリシー、オブジェクト所有者記録へのアクセスを欠いているため、BOLA(Broken Object-level Author)の検出は依然として困難である。 本稿では,要求-応答トランザクションから対象-リソース-オブジェクト-アクション関係を再構築するクロスエビデンス認可-状態学習手法を提案する。 この方法は、信頼を意識した状態との承認関係を表現し、証明独立を考慮しつつ、肯定的および否定的な証拠を集約し、汚染促進促進、証拠隔離とロールバック、有効期限、無効化を適用する。 Pythonのプロトタイプは、5つの独立したランダムシードにわたる64,400のリクエストからなる決定論的合成ベンチマークを用いて評価される。 提案手法は,100.00%,F1スコア56.63%,偽陽性33.65%,無認可汚染率0.00%である。 アブレーション実験により、汚染の独立性や証拠の隔離が100.00%に増加することが示されている。 実験は、制御された合成条件下での最初の評価を提供する。

関連論文リスト

• VerusEval: Evaluating LLM-Generated Verus Specifications Beyond Verifier Acceptance [26.73935855697832]
  大規模な言語モデルは、RustプログラムのVerusコントラクトの生成にますます使用されている。 VerusEvalは、6次元に沿って生成されたコントラクトを評価するフレームワークである。
  論文  参考訳（メタデータ） (2026-10-19T14:15:50Z)
• Evidence-Gated Research: Statistically Controlled Model Adoption in Adaptive Search [1.5449235351737436]
  Evidence-Gated Research (EGR, Evidence-Gated Research) は, 移動既存探索のための統計層である。 EGRは、決定的証拠が明らかにされる前に、各挑戦者を凍結させ、事前に宣言された環境全体にわたって有効な証拠を構築する。 段階的にEGRは、56.1%少ない決定証拠を代表しきい値で使用しながら、定時的な代替交差決定を常に保持する。
  論文  参考訳（メタデータ） (2026-10-01T14:17:55Z)
• 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)
• From Trajectories to Evidence: Auditable Experimental Records for Industrial Research Agents [47.678562263387214]
  研究エージェントは、産業レコメンデーション設定において、多段階の機械学習実験をますます実施している。 生成されたアーティファクトは、サポートされないか、不完全かもしれないし、実行されたラウンドは無効かもしれないし、あるいは廃止されるかもしれないし、後の修正は、以前の発見を曖昧にするかもしれない。 本稿では,連続的アーティファクトのバウンダリ検証と実行後のクレーム資格を結合するエビデンス・グラウンド・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-05T13:37:38Z)
• A Non-Intrusive Traffic Analysis Framework for Authorization Risk Detection and Coordinated Response in Web Applications [5.099762570087065]
  有効なWebセッション下での認証違反は、トラフィックからリアルタイムに識別および処理することが困難である。 本稿では,リスク検出と協調応答のための非侵入的トラフィック分析フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-18T10:34:13Z)
• Agent-Safety Evaluations as Load-Bearing Evidence: A Vendor-Neutral, Cross-Harness Reconstructability Metric [0.0]
  ベンダーニュートラルでランナブルな計器は、評価妥当性の指標として再構成可能性を示すものはない。 本稿では,8つの意思決定クラスに対する特性レベルの再構成可能性指標を提案する。
  論文  参考訳（メタデータ） (2026-07-14T07:54:37Z)
• ProvenAI: Provenance-Native Traces of Evidence in Generated Answers [0.0]
  本稿では,マルチホップ質問応答における透明性を3つの独立した測定可能なレイヤに分解するフレームワークであるProvenAIを紹介する。 このシステムは平均引用忠実度スコアが71.55%の53.53%の解答精度を達成する。 実装された表面プロキシとトークンレベルのKL偏差ターゲットの関係を,忠実度条件で定式化する。
  論文  参考訳（メタデータ） (2026-06-24T23:22:38Z)
• Claim-Selective Certification for High-Risk Medical Retrieval-Augmented Generation [0.0]
  混在した証拠は、ある主張を支持し、別の主張の条件を必要とし、第三の主張に矛盾する可能性がある。 我々は、クレーム選択応答を検証可能なクレームに検証し、回収された証拠に対して評価し、インテントを意識したセレクタによって完全な、部分的、紛争、棄却にマッピングする。 結果として生じるインターフェースは、アクションラベル予測と、混在する証拠の下でのエビデンスリンクされたクレーム選択を分離する。
  論文  参考訳（メタデータ） (2026-05-21T03:29:50Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• VeriFastScore: Speeding up long-form factuality evaluation [22.261579211920324]
  長期の事実性を評価するFactScoreやVeriScoreのようなメトリクスは、入力応答をアトミックなクレームに分解し、それぞれのクレームを個別に検証することで動作する。 We propose VeriFastScore, which leverageed synthesis data to fine-tune Llama3.1 8B to the same-tune Llama3.1 8B to a given text based based on evidence from Google Search。 我々の微調整されたVeriFastScoreモデルは、VeriScoreよりも6.6倍(9.9倍)のスピードアップを実現しつつ、サンプルレベルとシステムレベルの両方でオリジナルのVeriScoreパイプラインと強い相関を示す。
  論文  参考訳（メタデータ） (2025-05-22T17:51:25Z)

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。