論文の概要: Does Frontier AI Strengthen Cyber Defense? Evidence from Project Glasswing

• arxiv url: http://arxiv.org/abs/2611.06629v1
• Date: Wed, 04 Nov 2026 15:12:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.148659
• Title: Does Frontier AI Strengthen Cyber Defense? Evidence from Project Glasswing
• Title（参考訳）: フロンティアAIはサイバー防衛を強化するか?Project Glasswingの証拠
• Abstract要約: 私は、フロンティアAIへのアクセスがディフェンダー、外部研究者、攻撃者にどのように影響するかを研究します。 アクセス権を持つ企業は、中国やロシアのテック企業に対して、アクセス権のない情報開示を2倍にしました。 攻撃者が追加の脆弱性を悪用した証拠はない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Defenders and attackers race to find the same software flaws. I use the launch of Project Glasswing, which gave a small group of large US tech firms early access to Claude Mythos Preview, a model for finding software vulnerabilities, to study how access to frontier AI affects defenders, external researchers, and attackers. Using the universe of publicly disclosed vulnerabilities, I find that firms with access more than doubled their disclosures relative to Chinese and Russian tech firms without access, disclosed about 150 percent more high-impact vulnerabilities, and fixed reported flaws as quickly as before. As treated firms found more flaws themselves, external researchers, who sell their findings through bug bounties, reported about half as many vulnerabilities in treated firms' code and more in other firms' code, without leaving the market. There is no evidence that attackers exploited the additional vulnerabilities: the share exploited within a month of disclosure fell by about two thirds, mainly because a smaller share was already exploited when disclosed, while the number exploited did not change. Frontier AI helped defenders find and fix more flaws before attackers exploited them, but its restricted release creates an asymmetry in software security between firms in different countries.
• Abstract（参考訳）: ディフェンダーとアタッカーは、同じソフトウェア欠陥を見つけるために競います。 これはソフトウェア脆弱性を見つけるためのモデルで、フロンティアAIへのアクセスがディフェンダーや外部研究者、アタッカーにどのように影響するかを研究するためのものだ。 公開の脆弱性の世界では、アクセス不能な中国やロシアのテック企業に対する開示が倍増し、約150パーセントの高影響の脆弱性を公表し、報告された欠陥を以前と同じ速さで修正したことが分かりました。 治療を受けた企業の欠陥が増加し、外部の研究者は、バグ報奨金を通じて発見を販売し、治療を受けた企業のコードや他の企業のコードに、市場を離れることなく、約半数の脆弱性を報告した。 攻撃者が追加の脆弱性を悪用した証拠はない。開示後1ヶ月以内に悪用されたシェアは、開示時に既に小さなシェアが悪用されていたのに対して、悪用された数は変わっていないため、約3分の2減少した。 Frontier AIは、攻撃者がそれらを悪用する前に、ディフェンダーがより多くの欠陥を見つけて修正する手助けをするが、その制限されたリリースは、異なる国の企業間でのソフトウェアセキュリティの非対称性を生み出す。

関連論文リスト

• Does AI Help Cyber Attackers or Defenders? Evidence from Nonpublic Vulnerabilities and Subsequent Attacks [31.927841677556774]
  脆弱性ベンチマークは、以前公開されたアドバイザリ、エクスプロイト、修正にエージェントを公開することができる。 我々は、5つの非公開ソフトウェア環境でのエクスプロイト生成、脆弱性修復、その後の攻撃について、オープンウェイトでプロプライエタリなAIモデルを評価する。
  論文  参考訳（メタデータ） (2026-10-05T16:00:23Z)
• VEX-Bench: Benchmarking LLM Agents for Assessing Exploitability of Software Supply Chain Vulnerabilities [8.261542578922597]
  ソフトウェアサプライチェーン脆弱性の悪用性を評価できるLSMエージェントの能力を評価するための最初のベンチマークを紹介する。 VEX-Benchには、GitHubから発掘され、セキュリティの専門家によってラベル付けされた75の現実世界のケースが含まれており、Python、Java、Goをカバーしている。 GPT-5.5とClaude Opus 4.6はバイナリ脆弱性統計分類で約80%のF1に達したが、きめ細かい正当性分類で70%のマクロF1を超えたのはGPT-5.5のみである。
  論文  参考訳（メタデータ） (2026-09-07T22:52:09Z)
• ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks? [92.21756459993695]
  低レベルのプログラム推論を必要とするため、爆発は難しい作業です。 その重要性と診断価値にもかかわらず、搾取は未評価のままである。 ExploitGymは、AIエージェントのエクスプロイト能力に関する大規模で多様な、現実的なベンチマークである。
  論文  参考訳（メタデータ） (2026-05-11T18:00:14Z)
• How Vulnerable Are AI Agents to Indirect Prompt Injections? Insights from a Large-Scale Public Competition [48.32744727426218]
  LLMベースのエージェントは、電子メール、ドキュメント、コードリポジトリなどの外部データソースを処理する高利得設定にますますデプロイされている。 これにより間接的なプロンプトインジェクション攻撃が発生し、外部コンテンツに埋め込まれた敵の命令は、ユーザの意識なしにエージェントの動作を操作できる。 この2つの目的を3つのエージェント設定で評価した。
  論文  参考訳（メタデータ） (2026-03-16T14:49:36Z)
• Vulnerability Disclosure or Notification? Best Practices for Reaching Stakeholders at Scale [0.0]
  セキュリティ研究者はセキュリティ脆弱性に関心を持っているが、これらのセキュリティ脆弱性はステークホルダーのリスクを生み出す。 協調脆弱性開示は、新しく発見された脆弱性を公開するための長年のベストプラクティスとして受け入れられてきた。 これは脆弱性開示とは違い、むしろ脆弱性通知の実践である。
  論文  参考訳（メタデータ） (2025-06-17T09:04:26Z)
• Investigating Vulnerability Disclosures in Open-Source Software Using Bug Bounty Reports and Security Advisories [6.814841205623832]
  私たちは,GitHubのセキュリティアドバイザリ3,798件と,OSSバグ報奨金レポート4,033件について,実証的研究を行った。 OSSの脆弱性がセキュリティアドバイザリやバグ報奨金報告からどのように伝播するかを説明する明示的なプロセスは、私たちが最初に決定します。
  論文  参考訳（メタデータ） (2025-01-29T16:36:41Z)
• Trust No AI: Prompt Injection Along The CIA Security Triad [0.0]
  本稿では,著者が実施・公表した研究に基づいて,実世界の活用事例と概念実証事例をまとめた。 これは、即時注射がCIAのトリアドを損なうことを示し、サイバーセキュリティとAIシステム全般に継続的なリスクをもたらしている。
  論文  参考訳（メタデータ） (2024-12-08T22:46:30Z)
• Discovery of Timeline and Crowd Reaction of Software Vulnerability Disclosures [47.435076500269545]
  Apache Log4Jはリモートコード実行攻撃に対して脆弱であることが判明した。 35,000以上のパッケージが最新バージョンでLog4Jライブラリをアップデートせざるを得なかった。 ソフトウェアベンダが脆弱性のないバージョンをリリースするたびに、ソフトウェア開発者がサードパーティのライブラリを更新するのは、事実上妥当です。
  論文  参考訳（メタデータ） (2024-11-12T01:55:51Z)
• A Safe Harbor for AI Evaluation and Red Teaming [124.89885800509505]
  一部の研究者は、そのような研究の実施や研究成果の公表が、アカウント停止や法的報復につながることを恐れている。 我々は、主要なAI開発者が法的、技術的に安全な港を提供することを約束することを提案します。 これらのコミットメントは、ジェネレーティブAIのリスクに取り組むための、より包括的で意図しないコミュニティ努力への必要なステップである、と私たちは信じています。
  論文  参考訳（メタデータ） (2024-03-07T20:55:08Z)

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。