3731 ورقة بحثية
أوبال (Opal) هو نظام ذاكرة خاص للذكاء الاصطناዊ الشخصي يحقق استرجاعاً للبيانات قابلاً للتوسع وآمناً من خلال فصل الاستدلال المعتمد على البيانات في جيب آمن موثوق لتمكين عمليات وصول ثابتة وغير متبصرة إلى القرص، مما يؤدي إلى تحسين دقة الاسترجاع والإنتاجية وكفاءة التكلفة بشكل كبير مقارنة بالأسس الآمنة الحالية.
تقدم هذه الورقة مجموعة بيانات مبتكرة تضم 615 مقتطفاً من الأكواد البرمجية الضعيفة عبر لغات Java وPython وJavaScript، تم إنشاؤها باستخدام نماذج GPT-4o وLlama وClaude لربط أوصاف أنماط الهجوم الشائعة (CAPEC) ونقاط الضعف الشائعة (CWE)، وذلك لمعالجة النقص في البيانات التفصيلية والمصنفة للثغرات الأمنية بهدف تطوير الأبحاث الأمنية وأنظمة الكشف القائمة على تعلم الآلة.
تقدم الورقة البحثية AutoVerifier، وهو إطار عمل وكيل يعتمد على النماذج اللغوية الكبيرة (LLM) يعمل على أتمتة عملية التحقق من الادعاءات التقنية من البداية إلى النهاية عبر تفكيك التأكيدات إلى ثلاثيات مهيكلة وتحليلها عبر ست طبقات استدلالية، مُظهراً بنجاح قدرته على تحديد العيوب المنهجية وتضارب المصالح في المجالات العلمية المعقدة دون الحاجة إلى خبرة بشرية.
تعالج هذه الورقة نقص التحكم في التزامن في منصات التشغيل البيني للرعاية الصحية القائمة على معيار HL7 FHIR من خلال تقديم نموذج "رسم الوصول إلى موارد FHIR" (FRAG)، وهو نموذج نظري رسومي رسمي يكتشف بفعالية حالات السباق مثل صراعات الكتابة المتزامنة، وانتهاكات "التحقق من الوقت إلى وقت الاستخدام" (TOCTOU)، وسباقات التحديث المتتالية، محققاً درجة F1 بلغت 90.0% تتفوق بشكل كبير على النماذج المرجعية الحالية القائمة على النافذة الزمنية.
تقدم هذه الورقة أول دراسة تجريبية واسعة النطاق لتسرب بيانات الاعتماد في مهارات وكلاء النماذج اللغوية الكبيرة، حيث تحلل أكثر من 17,000 عينة لتحديد 520 مهارة معرضة للخطر، وتصنيف 10 أنماط للتسرب (مدفوعة بشكل أساسي بسجلات تصحيح الأخطاء والتفاعلات بين الكود واللغة الطبيعية عبر الوسائط)، وتبرهن على القابلية العالية للاستغلال واستمرارية الأسرار المكشوفة.
تقدم هذه الورقة البحثية "تنفيذ الحمولة الضمني المدفوع بالوثائق" (DDIPE)، وهو هجوم جديد في سلاسل التوريد يتجاوز ضمانات وكلاء النماذج اللغوية الكبيرة (LLM agents) عبر تضمين منطق خبيث في وثائق المهارات، مما يثبت أن مثل هذه الهجمات الضمنية يمكنها بنجاح اختطاف إجراءات الوكيل بمعدلات نجاح أعلى بكثير من هجمات التعليمات الصريحة.
تقدم هذه الورقة AlertStar، وهو إطار عمل مدرك للمسارات يقوم بنمذجة تنبيهات اختراق الشبكة كرسوم بيانية معرفية فائقة العلاقات لتمكين الاستدلال المتطور للتهديدات من خلال دمج مؤهلات البيانات الوصفية لمستوى التدفق مع معلومات المسار الهيكلية، محققاً أداءً وكفاءة تنبؤية متفوقة على الأساليب الحالية.
تقدم هذه الورقة البحثية هجوم استنتاج العضوية المتعلم القابل للنقل (LT-MIA)، وهو أول هجوم استنتاج عضوية متعلم قابل للنقل يستفيد من "توقيع الحفظ" الثابت الناتج عن الضبط الدقيق لتحقيق تعميم فائق في وضع الصفر (zero-shot) عبر عائلات معمارية متنوعة (بما في ذلك Mamba وRWKV) ونطاقات بيانات (اللغة الطبيعية والبرمجية) دون الاعتماد على الاستدلالات المصممة يدويًا أو النماذج الظلية.
تقترح هذه الورقة نظاماً مبتكراً لكشف التسلل في شبكات إنترنت الأشياء الطبية (IoMT) يعتمد على آلة تسيتلين (Tsetlin Machine) ويتميز بالقابلية للتفسير، حيث يحقق دقة فائقة (99.5% للتصنيف الثنائي و90.7% للتصنيف متعدد الفئات) على مجموعة بيانات CICIoMT-2024 مقارنة بمصنفات التعلم الآلي التقليدية، مع توفير رؤى واضحة حول قرارات النموذج من خلال المنطق القائم على القواعد والرسوم التوضيحية.
تقدم هذه الورقة Optimus، وهو إطار دفاعي قوي يخفف من السمية في الذكاء الاصطناعي الحواري المضبط بدقة عبر الاستفادة من تصنيف السمية الخالي من التدريب وعملية محاذاة ذات استراتيجية مزدوجة، مما يحافظ بفعالية على المنفعة ويتفوق على الأساليب المتطورة حتى في ظل ظروف المصنفات المنحازة والهجمات العدائية.