AIサンドボックス：脅威モデル、分類法、および測定フレームワーク

- AI sandboxを、digital AI・embodied autonomy・cyber-physical deploymentsのtesting, evaluation, verification, validationのための制御環境として扱うassurance-orientedな枠組み。 - sandbox boundaryとweakest-link ruleを定式化し、per-dimension evidenceをbounded deployment claimへ統合。 - 主要なsandbox archetypesを分類し、cyber-physical threat modelを定義。 - fidelity, controllability, observability, containment, reproducibility, governance artifactsを含むmeasurement frameworkを提示。 - 3つの実sandboxのworked case studiesで具体化。

- 従来のsandbox議論は用語やdigital AI中心になりがちだが、本稿はphysical AI, AIoT, cyber-physical systemsを明示的に扱う。 - system under testがsense, decide, actuate, communicate, failをphysical processes, networked devices, human operatorsを通じて行う点を前提化。 - assurance apparatus自体への攻撃を含むthreat modelを定義する点が特徴。 - 単なる隔離環境ではなく、evidence captureとregulatory assuranceまで射程に入れる。 - 具体的な先行研究との優劣比較は要旨からは不明。

- sandbox boundaryを形式化し、各dimensionのevidenceをbounded deployment claimへ合成するweakest-link ruleを導入。 - sandbox archetypesを分離・分類するtaxonomyを構築。 - cyber-physical threat modelを定義し、assurance apparatusへの攻撃も対象化。 - measurement frameworkとしてfidelity, controllability, observability, containment, reproducibility, governance artifactsを設定。 - 3つの実sandboxのcase studiesに適用して枠組みを具体化。

- 3つの実sandboxのworked case studiesに枠組みを適用して検証。 - 各caseでthreat model, taxonomy, measurement frameworkがどう機能するかを例示。 - 定量的なベンチマーク比較や統計的評価は要旨からは不明。 - 有効性の主張はassurance-orientedな概念整理と事例適用に基づく。

- sandboxがvalidlyにtestできる範囲、containできるrisk、safety, security, regulatory assuranceに支持できるevidenceの形式を明確化。 - weakest-link ruleにより、最も弱いdimensionがbounded deployment claim全体を制約する点が議論の焦点。 - assurance apparatus自体への攻撃を含むcyber-physical threat modelの含意。 - 限界や未解決課題の詳細は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法としてdigital AI testing, embodied autonomy evaluation, cyber-physical systems security, assurance cases, runtime verification, digital twins, hardware-in-the-loop simulationなどが候補。 - 同分野の定番としてAI safety benchmarking, cyber-physical security testbeds, regulatory assurance frameworksを次に読むべき。 - 具体的な論文名は要旨からは不明。