Newest papers

Auditing the Hand-Written Inputs of Learned Access Control

Arsalan Jalil Sarghaleh, Mehdi Hazrati · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.31388 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Learned Loss Access Control thường được triển khai đằng sau hai hiện vật được xây dựng bằng tay: một tập hợp khó chối bỏ được thực thi bởi một lá chắn đáng tin cậy nhỏ, và một bản đồ khu vực quyết định những yêu cầu xảy ra các quy tắc khai thác trả lời và những người học trả lời. Kiểm tra lá chắn hoặc đo lường người học không xác nhận cả hai. Chúng tôi kiểm tra cả trên năm chính sách ABAC Lab công khai và ba mô hình mù. Đầu tiên, chúng tôi chính thức hóa các hạn chế khó chối bỏ cho một phần trong khi mối quan hệ tài trợ là một quy tắc toàn diện trên tất cả các mối quan hệ phát hành lên đến 794,250 tuples. Các điều khoản mà trung thành cấu hình một hạn chế rõ ràng là không âm thanh ở tỷ lệ 0.50-0.70 trên bốn elicitors. Chúng tôi phải kiểm tra cả tác động của một tác

Machine translation (Meta M2M100); the English original follows.

Abstract

Learned access control is typically deployed behind two hand-built artefacts: a hard-deny set enforced by a small trusted shield, and a region map that decides which requests mined rules answer and which the learner answers. Verifying the shield or measuring the learner validates neither. We audit both on the five public ABAC Lab policies. First, we formalise hard-deny soundness and check it exhaustively over relations of up to 794,250 tuples. Clauses that faithfully transcribe an explicit restriction are unsound at rates of 0.50-0.70 across four elicitors - an author and three blind language-model elicitors - because prose scopes restrictions to a section while the grant relation is a disjunction over all rules: 97% of counterexamples are granted by other rules. Shipped unchecked, these deny sets would withhold 16-78% of everything the policies grant; certified, they withhold nothing. Vacuity, a second silent failure, also occurs. Second, hybrid routing needs a two-class, abstaining rule set that ABAC miners do not emit, and ranking a mixed-effect candidate pool under a cap is one-class in all 24 cells for the two commonest ranking keys. Third, for additive losses the hybrid-versus-learner effect factorises into covered mass times a rule-learner risk contrast that must be reported on both false-non-grant and false-permit loss: on two real policies, most selection rules give opposite verdicts on the two losses, and the one favourable on both holds for one policy, one learner configuration and a band of noise levels. A released artefact regenerates and checks every reported number.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Soundness, Set (abstract data type), Ranking (information retrieval), Relation (database), Audit, Computer science

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange