3678 ورقة بحثية
تقدم هذه الورقة البحثية ProjLens، وهو إطار عمل للتفسير يكشف كيف تستغل هجمات الباب الخلفي في النماذج اللغوية الكبيرة متعددة الوسائط الفضاءات الجزئية منخفضة الرتبة داخل أجهزة الإسقاط وتستخدم التحولات الدلالية المعتمدة على معيار المدخلات للتنشيط، مما يفك غموض آلياتها الكامنة للمساعدة في التخفيف من المخاطر الأمنية.
تقترح هذه الورقة البحثية إطار عمل DP-FLogTinyLLM، وهو إطار تعلم اتحادي ذو خصوصية تفاضلية يستفيد من النماذج اللغوية الكبيرة الصغيرة (Tiny LLMs) ذات الكفاءة في المعلمات باستخدام تقنية LoRA لتمكين الكشف التعاوني عن شذوذ السجلات عبر المؤسسات الموزعة دون مشاركة البيانات الخام، محققاً أداءً يضاهي الأساليب المركزية مع تفوق ملحوظ على النماذج الاتحادية الأساسية الحالية في الدقة ومقياس F1.
تقدم هذه الورقة DeepRed، وهو معيار مفتوح المصدر يقيم وكلاء النماذج اللغوية الكبيرة (LLMs) في تحديات "التقط العلم" (Capture The Flag) الواقعية باستخدام نظام تسجيل النقاط الجزئية والتحليل الآلي للسجلات، مما يكشف أن النماذج الحالية تحقق نجاحاً محدوداً (بمتوسط إكمال نقاط تفتيش يبلغ 35%) وتواجه صعوبة في مهام الاكتشاف غير القياسية ومهام التكيف طويلة المدى.
تقدم هذه الورقة البحثية "التعلم داخل السياق القسري" (Involuntary In-Context Learning - IICL)، وهو أسلوب هجوم يستغل تأطير العمليات المجردة وإكمال الأنماط متعددة الأمثلة لتجاوز محاذاة السلامة في النماذج اللغوية الكبيرة، محققاً معدل تجاوز بنسبة 100% في تسمية العمليات الدلالية ونسبة نجاح قدرها 24% على معيار HarmBench ضد نموذج GPT-5.4.
يُعد EvoPatch-IoT إطار عمل مدركاً للتطور يُمكّن من استرجاع الثغرات الأمنية عبر البنى المختلفة وتوصيف حالة التصحيح في البرامج الثابتة لإنترنت الأشياء القائمة على BusyBox والمجردة من الرموز، وذلك عبر الاستفادة من سمات التعليمات المجهولة ونماذج الدوال التاريخية، محققاً تحسينات كبيرة في الأداء مقارنة بالنماذج المرجعية ومقللاً جهود الفحص اليدوي بنسبة تقارب 99%.
تتحدى هذه الورقة البحثية الإجماع السائد بأن الشبكات العصبية الرسومية (GNNs) تتفوق على النماذج المرجعية القائمة على الميزات فقط في كشف الاحتيال في بيتكوين، حيث تُثبت أنه بموجب بروتوكولات تقييم استقرائية صارمة وخالية من التسريب تأخذ في الاعتبار التحولات في التوزيع الزمني، تتفوق النماذج التقليدية مثل "الغابة العشوائية" (Random Forest) بشكل كبير على الشبكات العصبية الرسومية، بينما يمكن أن يكون الطوبولوجيا الفعلية لمجموعة البيانات ضارة حتى بالمقارنة مع هياكل الرسوم البيانية العشوائية.
تقدم هذه الورقة مساراً هيكلياً يجمع بين التقنيات الحتمية والنماذج اللغوية الكبيرة لتوليد وتقييم حمولات (XSS) المموّهة بناءً على سلوك وقت التشغيل، كاشفةً أنه في حين يعمل الضبط الدقيق على تحسين الحفاظ على السلوك، لا تزال النماذج اللغوية الكبيرة الحالية تعاني في إنشاء تمويهات صالحة تعزز أداء كشف تعلم الآلة اللاحق.
تقترح هذه الورقة تنسيقاً ثنائياً معززاً ببيانات وصفية مدمجة يتم إنشاؤها بواسطة المترجم، مما يسد الفجوة بين الملفات الثنائية المجردة والمصادر المفتوحة، ويُمكّن من عمليات التفكيك، والتحري، وإعادة التجميع بشكل موثوق دون التأثير على أداء وقت التشغيل.
تقدم هذه الورقة البحثية XOXO، وهو هجوم خفي جديد يستغل آليات جمع السياق التلقائية لمساعدي البرمجة المعتمدين على الذكاء الاصطناعي عبر حقن تعديلات برمجية عدائية مكافئة دلالياً لتسميم مطالبات النماذج اللغوية الكبيرة، مما يتسبب في توليد كود برمجي ضعفا مع التملص من وسائل الدفاع التقليدية ومن تقنيات الضبط الدقيق.
تؤسس هذه الورقة أول مقايضة بين معامل الخطأ ومعدل الترميز لأكواد كشف تلاعب باولي (PMD) من خلال إثبات حد أدنى يوضح أن معدل أي كود PMD ذي -تعدد من الطول محكوم بحد أقصى قدره .