論文の概要: Maturity$^2$: Assessing the Maturity of Crypto Agility Maturity Models
- arxiv url: http://arxiv.org/abs/2611.17003v1
- Date: Thu, 12 Nov 2026 16:02:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.510127
- Title: Maturity$^2$: Assessing the Maturity of Crypto Agility Maturity Models
- Title(参考訳): 成熟度$^2$:暗号アジリティ成熟度モデルの成熟度を評価する
- Abstract要約: 暗号のアジリティ成熟度モデルは、暗号の移行の準備において、組織をサポートすることを目的としています。
NISTはそのガイダンスでいくつかのモデルを参照している。
確立した設計原則に対して,業界主導の成熟度モデル3つを評価する。
- 参考スコア(独自算出の注目度): 3.929537423319989
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crypto agility maturity models aim to support organizations in preparing for cryptographic transitions, such as migrating to post-quantum cryptography. Recognizing the importance of measurable maturity, NIST references several such models in its guidance. Given NIST's influence on cybersecurity practice, these models may shape organizational planning and governance mechanisms. However, their design quality has not been systematically evaluated. In this work, we assess three industry-driven maturity models against established design principles. Our analysis reveals recurring weaknesses, particularly the lack of measurable, reproducible assessment criteria and limited prescriptive guidance for improving crypto agility. At the same time, we highlight individual strengths that can assist practitioners in choosing among the models and derive concrete recommendations for strengthening future crypto agility maturity models.
- Abstract(参考訳): 暗号のアジリティ成熟度モデルは、量子後暗号への移行などの暗号移行の準備において、組織をサポートすることを目的としている。
測定可能な成熟度の重要性を認識して、NISTはそのガイダンスでいくつかのモデルを参照している。
NISTのサイバーセキュリティ実践への影響を考えると、これらのモデルは組織的な計画とガバナンスのメカニズムを形成する可能性がある。
しかし、その設計品質は体系的に評価されていない。
本研究では,既存の設計原則に対して,業界主導の成熟度モデル3つを評価する。
分析の結果、特に、測定可能な再現可能な評価基準の欠如と、暗号のアジリティ向上のための限定的な規範的ガイダンスの欠如が明らかになった。
同時に、実践者がモデルの中から選択するのを支援し、将来の暗号のアジリティ成熟度モデルを強化するための具体的な勧告を導出する、個々の強みを強調します。
関連論文リスト
- Practical Evaluation of the Crypto-Agility Maturity Model [2.3890398632139145]
本稿では、成熟度モデルの設計原則に対するCAMM(Crypto Agility Maturity Model)の最初の評価について述べる。
我々は、より一貫性があり信頼性の高い暗号の俊敏性評価を可能にするために、CAMMの具体的な改善を提案する。
論文 参考訳(メタデータ) (2026-04-14T08:18:45Z) - From Passive Metric to Active Signal: The Evolving Role of Uncertainty Quantification in Large Language Models [77.04403907729738]
このサーベイは、受動的診断基準からリアルタイムモデル動作を導くアクティブ制御信号への不確実性の進化をグラフ化する。
3つのフロンティアにまたがるアクティブ制御信号として不確実性がいかに活用されているかを示す。
この調査は、次世代のスケーラブルで信頼性があり、信頼できるAIを構築するためには、新しい不確実性のトレンドを習得することが不可欠である、と論じている。
論文 参考訳(メタデータ) (2026-01-22T06:21:31Z) - Red Teaming Large Reasoning Models [26.720095252284818]
大規模推論モデル(LRM)は、多段階推論タスクの強力な進歩として現れている。
LRMは、CoTハイジャックや急激な非効率といった新しい安全性と信頼性のリスクを導入している。
LRMの信頼性を評価するための統一ベンチマークRT-LRMを提案する。
論文 参考訳(メタデータ) (2025-11-29T09:45:03Z) - Reasoning Meets Personalization: Unleashing the Potential of Large Reasoning Model for Personalized Generation [21.89080753903469]
パーソナライズタスクのための大規模推論モデル(LRM)の最初の体系的評価について述べる。
本分析では, 分散思考, 応答形式の不整合, 検索情報の有効利用の3つの重要な限界を同定した。
階層的推論思考テンプレートを組み込んだ新しいフレームワークであるReinforced Reasoning for Personalization (model)を提案する。
論文 参考訳(メタデータ) (2025-05-23T07:30:13Z) - A Retention-Centric Framework for Continual Learning with Guaranteed Model Developmental Safety [75.8161094916476]
現実世界のアプリケーションでは、学習可能なシステムは、しばしば課題や新しいタスクに対処するために反復的なモデル開発を行う。
既存の能力の新規または改善は、必然的に旧モデルの優れた能力を失う可能性がある。
本稿では,データ依存制約を伴う保持中心のフレームワークを提案し,既存の画像分類能力の獲得や改善を目的とした事前学習型CLIPモデルを継続的に開発する方法について検討する。
論文 参考訳(メタデータ) (2024-10-04T22:34:58Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Incorporating Domain Knowledge in Deep Neural Networks for Discrete
Choice Models [0.5801044612920815]
本稿では,DCMにおけるデータ駆動型アプローチの可能性を拡張するフレームワークを提案する。
これには、必要な関係を表す擬似データサンプルと、その実現度を測定する損失関数が含まれる。
ケーススタディは、このフレームワークの個別選択分析の可能性を示している。
論文 参考訳(メタデータ) (2023-05-30T12:53:55Z) - Towards a maturity model for crypto-agility assessment [44.99833362998488]
本研究は,特定のソフトウェアやIT環境の暗号処理能力の状態を決定するためのCAMM(Crypto-Agility Maturity Model)を提案する。
CAMMは5つのレベルから構成されており、各レベルごとに、文献レビューに基づいて一連の要件が定式化されている。
論文 参考訳(メタデータ) (2022-02-15T18:47:05Z)
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。