3659 ورقة بحثية
تقدم هذه الورقة "فجوة لوجيت الرفض-التأكيد" كتشخيص للمرور الأمامي لقياس هوامش أمان المحاذاة، وتوضح أن "توجيه فجوة اللوجيت" يمكنه اكتشاف لواحق داخل النطاق ذات تعقيد منخفض وقابلة للنقل تتجاوز الدفاعات الحالية بكفاءة، مما يكشف أن متانة المحاذاة غالباً ما تعتمد على هوامش تشغيلية ضيقة.
تقدم هذه الورقة مراجعة شاملة لتطبيقات التوأم الرقمي في النمذجة والمحاكاة الدفاعية، حيث تقدم إطاراً موحداً وتصنيفاً لحالات الاستخدام مع تحديد التحديات الرئيسية واتجاهات البحث المستقبلية بناءً على آراء أصحاب المصلحة.
تحدد هذه الورقة البحثية وتقيم بشكل منهجي "الارتباك الدلالي للرموز التعبيرية"، وهو ثغرة أمنية منتشرة في النماذج اللغوية الكبيرة حيث يتم تفسير الرموز التعبيرية القائمة على رموز ASCII بشكل خاطئ للتسبب في إخفاقات صامتة وإجراءات تدميرية، مما يكشف أن استراتيجيات التخفيف الحالية غير فعالة إلى حد كبير.
تكشف هذه الورقة عن هجوم جديد للتلاعب بمعدل الإنذارات الكاذبة (FPA) يستهدف شبكات إنترنت الأشياء الصناعية، والذي يستغل المعرفة ببروتوكول MQTT لتغيير الحزم السليمة بشكل منهجي لتُصنف خطأً على أنها خبيثة، مما يظهر معدلات نجاح عالية وتأخيرات تشغيلية كبيرة في مراكز عمليات الأمن مع اقتراح التدريب الخصمي كاستراتيجية للتخفيف من حدة الهجوم.
تقدم هذه الورقة دراسة تجريبية تثبت أن أنظمة التوليد المعزز بالاسترجاع متعدد الوسائط (mRAG) عرضة لهجمات استنتاج العضوية واسترجاع وصف الصور، مما يكشف عن مخاطر خصوصية كبيرة في ربط مجموعات البيانات الخاصة بهذه المسارات.
تقترح الورقة البحثية DARTH-PUM، وهي بنية هجينة تدمج تقنيات المعالجة باستخدام الذاكرة (PUM) التناظرية والرقمية مع دوائر طرفية محسنة ودعم برمجِي لتمكين الحوسبة داخل الذاكرة الشاملة والموفرة للطاقة لتطبيقات متنوعة مثل التشفير والتعلم العميق.
تقترح هذه الورقة البحثية هجوم E-MIA، وهو هجوم استدلال العضوية خفي في بيئة الصندوق الأسود ضد أنظمة التوليد المعزز بالاسترجاع (RAG)، والذي يقوم بتحويل التفاصيل القابلة للتحقق من المستندات المرشحة إلى استعلام بأسلوب امتحاني لاستنتاج عضوية المستند بشكل موثوق بناءً على درجات الاستجابة المجمعة، متجاوزاً بذلك قيود الطرق الحالية التي تعتمد على إشارات ناعمة غير مستقرة أو استقصاءات تأكيدية لافتة للنظر.
تقدم هذه الورقة بنية نقاء معتمدة تعزز حوكمة سير العمل المعرفي من خلال استبدال الاصطلاحات وقت التشغيل بحدود هيكلية عبر تجميع "ويب أسيمبلي" (WebAssembly) مقيد، وشهادات نقاء تشفيرية، وإثبات عن بُعد، مما يثبت رياضياً القضاء على التجاوزات العدائية مع الحفاظ على عبء تشغيلي ضئيل.
تقدم هذه المساهمة "التعلم غير المتكيف" (Adaptive Unlearning - AU)، وهو إطار عمل لما بعد النشر يعمل على كبح الهلوسات في النماذج اللغوية الكبيرة جراحياً — لا سيما في توليد الأكواد البرمجية، حيث تُمكّن هجمات "الاستيلاء عبر الحشو" (Slopsquatting) — من خلال هدف هجين على مستوى الرموز (token-level) وحلقة اكتشاف تكيفية، مما يقلل معدل الهلوسة بنسبة 81% دون الحاجة إلى تعليق بشري أو إعادة تدريب كاملة للنموذج.
تجادل هذه الورقة بأن معدلات النجاح العالية المُبلغ عنها للهجمات العدائية الشاملة على نماذج الرؤية واللغة تخلط بين الاضطراب العام للمخرجات وبين حقن الأوامر الدقيق، وهو ما يكشف من خلال تقييم جديد ثنائي الأبعاد أنه بينما تؤدي الاضطرابات غير المحسوسة في كثير من الأحيان إلى إرباك مخرجات النموذج، إلا أنها نادراً ما تحقق حقناً فعلياً، حيث وصلت 0.756% فقط من الحالات المختبرة إلى أي مستوى من مستويات الحقن غير "العدم" (none).