3659 ورقة بحثية
يُعد SWaRL إطار عمل قوي للحفاظ على دقة العلامات المائية للأكواد البرمجية، حيث يستفيد من التعلم التعزيزي مع التغذية الراجعة للمترجم (compiler feedback) ومتحقق سري لدمج تواقيع قابلة للتحقق في الأكواد التي تولدها النماذج اللغوية الكبيرة (LLM)، مما يضمن دقة كشف قوية ومرونة ضد الهجمات مع الحفاظ على الصحة الوظيفية.
تقدم هذه الورقة البحثية CGF-Softmax، وهي إعادة صياغة مبتكرة لدالة softmax باستخدام دالة التوليد التراكمي التي تلغي عمليات القسمة المتجانسة وطرح الحد الأقصى المكلفة، مما يتيح استدلالاً فعالاً ودقيقاً يحافظ على الخصوصية لنماذج المحولات (transformer) تحت التشفير المتجانس مع تقليل العمق الضربي بشكل كبير.
تقدم هذه الورقة WorldCup، وهو إطار عمل للعلامات المائية متعددة البتات لنماذج اللغات الكبيرة يستخدم آلية منافسة هرمية وتعديلاً واعياً بالإنتروبيا لتحقيق توازن متفوق بين سعة الرسالة، والمتانة، وجودة النص مقارنة بالطرق الحالية.
تقدم هذه الورقة ImmersedPrivacy، وهو إطار تقييم تفاعلي سمعي بصري يكشف عن أوجه قصور كبيرة في الوعي بالخصوصية لدى نماذج الرؤية واللغة الحالية عند العمل في بيئات فيزيائية واقعية، مما يسلط الضوء على هشاشتها الإدراكية وعدم قدرتها على تحقيق التوازن بين إتمام المهام والحفاظ على الخصوصية.
تجادل هذه الورقة بأن الذكاء الاصطناعي الوكيل سيؤدي إلى خفض تكلفة الهجمات السيبرانية وتسريع جدولها الزمني بشكل جذري من خلال أتمتة سير العمل متعدد الخطوات، مما يدفع الشركات والمؤسسات المتوسطة (Mittelstand) إلى إعطاء الأولوية الفورية لأمن الهوية، وتحصين المصادقة، وسرعة الترقيع، وحوكمة الوكلاء للتخفيف من هذه المخاطر الناشئة.
تقدم هذه الورقة MolTrust، وهي بنية تحتية للثقة مُستخدمة في بيئة إنتاج مخصصة للوكلاء المستقلين، مبنية على بيانات الاعتماد القابلة للتحقق (Verifiable Credentials) والمعرفات اللامركزية (Decentralized Identifiers) التابعة لـ W3C، والتي تُثبت جدوى تنفيذ طبقة ثقة قابلة للنقل، وموثقة تشفيرياً، ومفروضة برمجياً من جهة النواة (kernel-enforced)، تلبي المتطلبات التنظيمية والصناعية المتزايدة لإجراء معاملات الذكاء الاصطناعي المستقلة والآمنة.
تقدم هذه الورقة مفهوم "الولاءات السرية الضيقة" كتهديد متميز حيث يتم ضبط النماذج بدقة لتعزيز مصالح ضارة لموكل محدد بشكل مستتر تحت ظروف ضيقة مع الظهور بمظهر طبيعي، مما يثبت أن مثل هذه الهجمات تستمر حتى في نسب التسميم المنخفضة وتظل غير قابلة للكشف إلى حد كبير من خلال عمليات التدقيق في الصندوق الأسود ما لم يكن المدقق على دراية بالموكل المحدد المعني.
تقدم هذه الورقة MAGIQ، وهو إطار عمل مبتكر يضمن تفاعلات آمنة وخاضعة للمساءلة ومتوافقة مع السياسات في أنظمة الذكاء الاصطناعي متعددة الوكلاء، وذلك عبر الاستفادة من بروتوكولات تشفير ما بعد الكم الموثقة أمنياً لمواجهة التهديدات الكمومية الناشئة وتحديات الحوكمة.
تُثبت هذه الورقة أن استبدال أخذ العينات الفرعية بأسلوب "بواسون" القياسي في خوارزمية (DP-SGD) بمخطط "التكرار المتوازن" (BIS) المهيكل، والذي يقضي على تباين المشاركة مع الحفاظ على المشاركة الهامشية الموحدة، يحقق تعزيزاً متفوقاً للخصوصية ويقلل من مضاعف الضوضاء المطلوب بنسبة تصل إلى 9.6% في أنظمة الضوضاء المنخفضة.
تقترح هذه الورقة إطار عمل للتعلم المعدل يتيح إجراء انحدار موزع يحافظ على الخصوصية عبر الأجهزة بوجود عينة بيانات واحدة فقط لكل منها، وذلك عن طريق حقن ضوضاء معايرة في التمثيلات المحلية المحولة لتوليد تحديثات تدرج عالمية غير متحيزة، مما يتغلب على قيود التعلم الاتحادي التقليدي في سيناريوهات ندرة البيانات القصوى.