すべての人に一次情報を
この論文は、AIシステムのセキュリティ評価を自動化するための枠組み「AVISE（AI Vulnerability Identification and Security Evaluation）」を紹介します。著者たちは、特に言語モデルに対する「ジャイルブレイク」（モデルの安全制約
この論文は、AIシステムの安全性を体系的に評価するためのフレームワーク「AVISE（AI Vulnerability Identification and Security Evaluation）」を提案します。AVISEはモジュール式でオープンソースです。研究者や実務者がAIモ
この論文は、量子乱数発生器（QRNG: 量子乱数発生器）由来の良質な乱数（エントロピー）を、ポスト量子暗号（PQC: 量子耐性を持つ暗号）で保護した経路を使って小型機器に届ける仕組みを示します。研究チームはサーバー側でQRNG（Quantis PCIe‑240M）から乱数を取り出
この論文は、DNAやRNAを扱う「ゲノム言語モデル（GLM）」が学習データの個別配列をどの程度“記憶”するかを調べる研究です。著者らは、モデルが訓練データの特定の配列を再現すると、個人のゲノム情報が漏れる恐れがあると指摘します。こうした漏えいは遺伝情報が不変で特定可能である点から
この論文は、患者データを各施設に残したまま機械学習モデルを作る「フェデレーテッドラーニング（FL）」に、実運用で必要なガバナンス（統制）機能を組み込んだ基盤を示します。研究者らは、参加者の認証・認可・記録（Authentication, Authorisation, Accoun
この論文は、複数の自律エージェントが記憶を共有し、ツール権限を委譲し合いながら協調する「マルチエージェント人工知能（MAS）」が抱える固有のセキュリティ問題を体系的に明らかにします。MASでは、単一のAIモデルとは異なり、行動が挙動的で出現的（予測しにくく現れる）になりやすく、既
この論文は、外部ツールを呼び出すAIエージェントが出す「幻覚」的な主張を、軽量な検証で現実的に見抜く仕組みを示します。研究者らはNabaOSという枠組みを提案しました。NabaOSは、各ツール呼び出しに対してHMAC（ハッシュベースのメッセージ認証コード）で署名した実行領収書を発
要点：研究者たちは「Arbiter」という枠組みを作り、複数の大規模言語モデル（LLM）と形式ルールを組み合わせて、コーディングエージェントのシステムプロンプト内で起きる「干渉（矛盾や重複）」を検出しました。システムプロンプトはエージェントの振る舞いを決めるソフトウェア的な文書で
この論文は、従来のSBOM（Software Bill of Materials、ソフトウェア部品表）を受動的な一覧から「能動的に考える」証跡（AIBOM: Artificial Intelligence Bill of Materials）へと拡張する方法を示します。著者らは、