Comparative Analysis of Cross-Chain Token Standards
本論文は、xERC20、OFT、NTT、CCT、SuperchainERC20 の 5 つの主要なクロスチェーン・トークン規格を、アーキテクチャやセキュリティなどの技術的側面から包括的に比較分析し、それぞれの実装アプローチや信頼モデル、対象エコシステムにおける顕著な差異を明らかにしています。
🔒 Category
cs.CR
315 件の論文
Before You Hand Over the Wheel: Evaluating LLMs for Security Incident Analysis
この論文は、セキュリティインシデント分析における大規模言語モデル（LLM）の評価課題に対処するため、包括的なデータセットと自律エージェントを備えた新たな評価フレームワーク「SIABENCH」を提案し、11 の主要 LLM の性能をベンチマークしたものである。
Proteus: A Practical Framework for Privacy-Preserving Device Logs
本論文は、機密情報を開示することなくフォレンジック分析を可能にするため、鍵付きハッシュ擬似名付けと時間回転型暗号化を組み合わせた新しいプライバシー保護デバイスログフレームワーク「Proteus」を提案し、Android の logcat への実装を通じて低遅延かつ高忠実度での動作を実証しています。
Radio-Frequency Side-Channel Analysis of a Trapped-Ion Quantum Computer
この論文は、イオントラップ型量子コンピュータにおいてレーザー変調に使用される高周波（RF）信号の漏洩を新たなサイドチャネルとして特定し、市販の機器を用いてその検出とゲート特性の抽出を実証するとともに、対策を提案するものである。
Functional Approximation Methods for Differentially Private Distribution Estimation
この論文は、関数解析と関数メカニズムの概念に基づき、経験分布関数を多項式や辞書に基づく関数空間に射影して係数を秘匿化することで、既存手法と同等以上の性能を達成し、分散環境やストリーミングデータへの適応性を高める新たな微分プライバシー付き累積分布関数推定フレームワークを提案するものである。
SHIELD: A Host-Independent Framework for Ransomware Detection using Deep Filesystem Features
この論文は、侵害されたオペレーティングシステムの影響を受けないストレージコントローラレベルでファイルシステム機能を解析し、機械学習を用いてランサムウェアを高精度に検知・即時遮断するオフホスト型フレームワーク「SHIELD」を提案し、その有効性とハードウェア実装の可行性を実証したものである。
Hiding in Plain Sight: A Steganographic Approach to Stealthy LLM Jailbreaks
この論文は、悪意のある意図を自然な文章に埋め込むステガノグラフィ手法「StegoAttack」を提案し、既存の手法が抱える意味的・言語的隠蔽性のトレードオフを解消しながら、検出されにくい極めて高い成功率で大規模言語モデルの安全性を突破できることを実証しています。
Towards Enhanced Quantum Resistance for RSA via Constrained Rényi Entropy Optimization: A Theoretical Framework for Backward-Compatible Cryptography
この論文は、RSA の素数を制約されたレニーエントロピー最適化（CREO）フレームワークを用いて選定することで、既存のインフラを維持したまま量子コンピュータに対する耐性を理論的に向上させる手法を提案しています。
Refereed Learning
この論文は、2 人の競合する証明者（1 人は誠実）からなる「審査付き学習」の枠組みを提唱し、特に高精度なモデル選択タスクにおいて、従来の単一証明者や証明者なしの手法を大幅に凌駕する効率性と精度を達成するプロトコルを構築し、その最適性を示す下限を証明したものである。
Expert Selections In MoE Models Reveal (Almost) As Much As Text
この論文は、MoE（Mixture-of-Experts）モデルにおけるエキスパート選択情報が、テキストそのものと同様に機密性を有し、適切なモデルを用いることで単なる選択情報から元のテキストの大部分を再構築できる攻撃が可能であることを実証しています。
A Survey on Quantitative Modeling of Trust in Online Social Networks
この論文は、オンラインソーシャルネットワークにおける信頼モデリングの心理学理論からアルゴリズム的基盤、実装ハンドブック、および未解決課題までを包括的に分類・レビューした包括的な調査研究である。
Wide-Area GNSS Spoofing and Jamming Detection Using AIS-Derived Spatiotemporal Integrity Monitoring
本論文は、AIS メッセージの通信層欠陥を事前フィルタリングし、運動整合性や時空間クラスタリングを適用する三段階フレームワークを提案することで、広域におけるGNSS スプーフィングおよびジャミングを検出し、誤警報を大幅に低減できることを実証しています。
The Attack and Defense Landscape of Agentic AI: A Comprehensive Survey
本論文は、大規模言語モデルと非 AI コンポーネントを統合した AI エージェントのセキュリティに関する初の体系的な調査であり、設計空間、攻撃 landscape、防御メカニズムを分析し、リスクと対策を体系的に理解するためのフレームワークを提示するとともに、既存の課題と今後の研究方向性を明らかにしています。
WebWeaver: Breaking Topology Confidentiality in LLM Multi-Agent Systems with Stealthy Context-Based Inference
この論文は、単一の任意のエージェントを侵害し、エージェント ID に依存せず文脈情報のみを用いることで、LLM マルチエージェントシステムの通信トポロジーをより隠密かつ高精度に推論する新たな攻撃フレームワーク「WebWeaver」を提案し、その有効性を示したものである。
A systematic review of secure coded caching
この論文は、コンテンツ配信ネットワークにおける符号化キャッシングのセキュリティとプライバシー要件を分析し、既存の方式のセキュリティ性能とコストを評価するとともに、技術的限界や他の安全なコンテンツ配信プリミティブとの文脈を整理し、将来の課題を特定・優先順位付けする包括的な調査である。
Systematic Scaling Analysis of Jailbreak Attacks in Large Language Models
この論文は、大規模言語モデルに対するジャイルブレイク攻撃を計算リソースの関数として捉えるスケーリング法則の枠組みを提案し、最適化ベースや遺伝的アルゴリズムなどの多様な攻撃手法を比較評価することで、プロンプトベースの手法が計算効率と隠蔽性の点で優位であり、脆弱性が危害のタイプに強く依存することを明らかにしています。
Primitive-Root Determinant Densities over Prime Fields and Implications for PRIM-LWE
この論文は、素数体上の行列の原始根行列式密度に関する未解決問題を、プリモーリアル素数の仮定なしにディリクレの定理とメルテンスの積公式を用いて解決し、PRIM-LWE 問題におけるリジェクト・サンプリングのオーバーヘッドが対数対数関数で抑えられることを示し、NIST 標準化された暗号パラメータに対する具体的な上界を導出したものである。
DNS-GT: A Graph-based Transformer Approach to Learn Embeddings of Domain Names from DNS Queries
本論文は、DNS クエリのシーケンスからドメイン名の埋め込みを学習する自己教師あり型トランスフォーマーモデル「DNS-GT」を提案し、ドメイン分類やボットネット検出などのタスクにおいて既存手法を上回る性能を実証したものである。
Security-by-Design for LLM-Based Code Generation: Leveraging Internal Representations for Concept-Driven Steering Mechanisms
この論文は、コード生成用大規模言語モデル（LLM）が脆弱性を生成する際にも内部でセキュリティ概念を認識していることを発見し、その内部表現を操作して安全かつ機能的なコード生成を誘導する軽量かつモジュール型の手法「SCS-Code」を提案し、既存の最先端手法を上回る性能を実証したものである。
Adversarial Reinforcement Learning for Detecting False Data Injection Attacks in Vehicular Routing
この論文は、交通ネットワークにおける偽データ注入攻撃を検出・防御するために、攻撃者と防御者の戦略的ゼロサムゲームを多エージェント強化学習を用いて解き、最適な検出戦略と最悪ケースの旅行時間保証を提供する枠組みを提案しています。