3713 ورقة بحثية
يُعد CLIP-Inspector إطار عمل للكشف عن الأبواب الخلفية على مستوى النموذج لنموذج CLIP المضبط عبر التوليف الدقيق للمطالبات، والذي يستخدم عكس المحفزات خارج نطاق التوزيع لتحديد السلوكيات الخبيثة في بيئات تعلم الآلة كخدمة (MLaaS) شبه النزيهة، ومن ثم إصلاح النماذج المخترقة.
تقدم هذه الورقة نظام إثبات استنتاجي سليم وكامل يعتمد على التماثل النسبي والاستدلال التعاوني لتمكين التحقق التفاعلي والنمطي من استيفاء عقود الأجهزة والبرمجيات، كما تم توضيحه من خلال صياغته الرسمية في مساعد الإثبات Rocq وتطبيقه على براهين أمنية معقدة.
تُثبت هذه الورقة أن فك تشفير المتلازمة المقيد، وهو أساس الأمان لمخطط التوقيع CROSS، يمكن اختزاله إلى كل من المسائل القائمة على الأكواد والمسائل القائمة على الشبكات، مما يوسع ناقلات الهجوم المحتملة ويقدم رؤى جديدة حول أمان المخطط.
تقدم هذه الورقة البحثية BadSkill، وهو هجوم باب خلفي مبتكر يزعزع استقرار أنظمة الوكلاء من خلال ضبط النماذج المدمجة داخل مهارات الطرف الثالث لتنفيذ حمولات خبيثة مخفية عند وجود محفزات دلالية محددة، محققاً معدلات نجاح عالية في الهجوم مع الحفاظ على الأداء الحميد.
تقدم هذه الورقة طرق بناء مباشرة لكل من مصفوفات "قريبة من الحد الأقصى للتمييز" (Near-MDS) العودية وغير العودية، بالإضافة إلى مصفوفات "الحد الأقصى للتمييز" (MDS) غير العودية ومصفوفات "الحد الأقص️ للتمييز/القريبة من الحد الأقصى للتمييز" (MDS/NMDS) التبادلية المشتقة من مصفوفات "فانديرموند" المعممة، مع إثبات نتائج تأسيسية متعلقة بشفرات "الحد الأقصى للتمييز القريب" (NMDS).
تقدم هذه الورقة إطار عمل "التنقية العدائية الموجهة لغوياً" (LGAP)، وهو إطار دفاعي مبتكر يستفيد من نماذج الانتشار مسبقة التدريب ومولدات التسميات التوضيحية لتوجيه عملية تنقية الصور العدائية، محققاً متانة فائقة ضد الهجمات القوية دون الحاجة إلى تدريب شبكات متخصصة.
تقدم هذه الورقة البحثية AuthChain، وهو هجوم خفي لتسميم المعرفة يستهدف تقويض أنظمة التوليد المعزز بالاسترجاع (RAG) عبر حقن وثيقة خبيثة واحدة تنجح في التلاعب بالاستجابات المتعلقة بالاستعلامات المعقدة متعددة الخطوات، متفوقاً بذلك على الأساليب الحالية في كل من الفعالية والقدرة على التملص من الدفاعات.
تتقصى هذه الورقة البحثية مجموعة بيانات "DataComp"، وهي مجموعة بيانات ضخمة للرؤية واللغة، لتكشف أن جزءاً كبيراً من محتواها المستخلص من الويب ينتهك موافقة مالكي البيانات من خلال إشعارات حقوق الطبع والنشر، وشروط الخدمة التقييدية، والعلامات المائية، مما يكشف عن فجوات حرجة في ممارسات جمع البيانات الحالية للذكاء الاصطناعي والحاجة الملحة لإطار عمل موحد للموافقة.
تقترح هذه الورقة وتقيم مساراً مكوناً من ثلاث خطوات يدمج الخصوصية التفاضلية مع النماذج الشبكية الإحصائية لتوليد شبكات اتصال اصطناعية لمحاكاة انتقال الأمراض، مما يثبت أن الضجيج المحافظ على الخصوصية والمُدخل هو ضئيل مقارنة بمصادر الخطأ الأخرى بينما يحمي بفعالية البيانات الفردية الحساسة.
تقترح هذه الورقة إطار عمل IPEK، وهو إطار ثقة ذكي قائم على الأحداث ومدرك للأولويات لشبكات المركبات المخصصة ديناميكيًا (VANETs)، يستخدم المعرفة غير المتماثلة، والعقوبات الموزونة حسب الشدة، ونظرية دمبستر-شيفر للكشف بفعالية عن المهاجمين الاستراتيجيين الذين يستغلون الأحداث منخفضة الأولوية، محققًا صفرًا من الإيجابيات الكاذبة واستدعاءً عاليًا في عمليات المحاكاة.