3659 ورقة بحثية
تقدم هذه الورقة إطاراً نظرياً مستقلاً عن النموذج لتقييم العلامات المائية القائمة على البذرة في نماذج الانتشار بناءً على الأمن والمتانة والدقة، وتقترح طريقة مبتكرة تسمى SSB تتيح التحكم الدقيق في هذه المقايضات دون الاعتماد على التقييمات التجريبية المكلفة.
تقدم هذه الورقة هجوماً بباب خلفي ذا حالة (stateful backdoor attack) على الوكلاء القائمين على النماذج اللغوية الكبيرة، والذي يتغلب على قيود الطرق الحالية عديمة الحالة (stateless methods) من خلال الحفاظ على حالة مستمرة عبر جلسات متعددة لتمكين التنفيذ الذاتي والتزايدي عقب محفز لمرة واحدة.
تضع هذه الورقة حدوداً عليا وسفلى محكمة وشفافة ذات صيغة مغلقة لدالة المقايضة الخاصة بخوارزمية التدرج الاشتقاقي العشوائي ذي الخصوصية التفاضلية (DP-SGD) مع أخذ العينات بالخلط العشوائي، مما يثبت أن هذه الطريقة توفر قدرة فائقة على التفسير ومقايضات أفضل بين الخصوصية والمنفعة مقارنة بأخذ العينات بأسلوب "بواسون"، لا سيما في الحالات التي يكون فيها مضاعف الضجيج كبيراً بما يكفي.
تُثبت هذه الورقة أن مقاييس السلامة القياسية قابلة للتلاعب بطبيعتها من قِبل المنصات الاستراتيجية التي تسعى لتحسين الدرجات بدلاً من تقليل الضرر الفعلي، وتقترح طريقة اعتماد "الغلاف الدلالي" التي تظل صامدة أمام هذا التلاعب عبر تعيين أسوأ درجة ممكنة ضمن الفئة المتكافئة دلالياً لكل متغير محتوى.
تُثبت هذه الورقة أن نماذج اللغات الصغيرة (SLMs) التي تم ضبطها بدقة يمكن أن تعمل كبديل محلي أكثر كفاءة وفعالية لنماذج اللغات الكبيرة لتحليل سجلات أحداث ويندوز (Windows event logs) من خلال تحديد المشكلات بدقة وتوليد خطوات معالجة قابلة للتنفيذ باستخدام مجموعة بيانات اصطناعية تم إنشاؤها حديثاً.
تقدم هذه الورقة البحثية "هجوم PopQuiz"، وهو أسلوب جديد لاستنتاج العضوية بنظام الصندوق الأسود يقوم بتحويل بيانات التدريب إلى اختبارات متعددة الخيارات لتحديد ما إذا كانت أمثلة محددة قد استُخدمت في تدريب النماذج اللغوية الكبيرة بفعالية، محققاً معدلات نجاح أعلى بكثير من الأساليب الحالية مع إثبات أن الدفاعات الحالية لا تخفف سوى جزء من مخاطر الخصوصية.
يُعد MalPurifier إطار عمل جديداً لتنقية البرمجيات الخبيثة، وهو خفيف الوزن ومستقل عن النموذج، يعمل على تعزيز كشف برمجيات أندرويد الخبيثة بشكل كبير من خلال دمج اضطرابات متنوعة، وإدخال ضوضاء وقائية، وتوظيف مشفر تلقائي لإزالة الضجيج ثنائي الأهداف للدفاع بقوة ضد طيف واسع من هجمات التهرب مع الحفاظ على دقة عالية.
تقدم هذه الورقة هجوماً بيزنطياً هجيناً متفرقاً للتعلم الاتحادي يجمع بين التلاعب بالمعلمات القائم على الحساسية والتسميم بطيء التراكم لتجاوز الدفاعات المتطورة بفعالية من خلال استغلال بنية الشبكة العصبية بدلاً من الاعتماد على الكشف عن القيم المتطرفة إحصائياً.
تقدم الورقة البحثية Coward، وهي طريقة استباقية جديدة للكشف عن الأبواب الخلفية في التعلم الاتحادي، والتي تستفيد من تأثيرات تصادم الأبواب الخلفية المتعددة لحقن علامة مائية مصممة بعناية، مما يتغلب بفعالية على القيود التي تفرضها التقنيات الحالية الناتجة عن توزيعات البيانات غير المتماثلة (non-i.i.d.) والانحيازات الناتجة عن البيانات الخارجة عن التوزيع (out-of-distribution).
إنّ AgenTEE هو نظام مبني على بنية الحوسبة السرية من Arm (CCA) يتيح التنفيذ الآمن والسري لوكلاء النماذج اللغوية الكبيرة على أجهزة الحافة عبر عزل بيئة التشغيل، ومحرك الاستدلال، والتطبيقات الخارجية داخل أجهزة افتراضية سرية موثقة بشكل مستقل، محققاً أداءً يقارب الأداء الأصلي مع عبء تشغيلي يقل عن 5.15%.