3760 ورقة بحثية
تقدم هذه الورقة إطار عمل "الخداع المحاكي" الذي يجمع بين التمويه على مستوى البوابة والتعلم الآلي لإخفاء الملكية الفكرية الوظيفية هيكلياً كأنها تصميم مختلف، مما يحبط الهندسة العكسية بفعالية من خلال تسميم تحليل مخطط الشبكة (netlist) وتسبب فشل هجمات القنوات الجانبية مثل تحليل الطاقة التفاضلي (DPA) عبر التصنيف الخاطئ للبدائيات التشفيرية.
تقترح الورقة البحثية إطار عمل "محو المفاهيم الموضعي المدرك للجوار" (NLCE)، وهو إطار عمل لا يتطلب تدريباً يعمل بفعالية على إزالة المفاهيم المستهدفة من نماذج الانتشار من نص إلى صورة مع الحفاظ على المفاهيم المجاورة ذات الصلة دلالياً من خلال تعديل التضمين الموزون طيفياً والبوابة المكانية الموجهة بالانتباه.
تقترح هذه الورقة طريقة للخصوصية التفاضلية على مستوى الحروف تعمل على تطهير مطالبات المستخدمين عن طريق إدخال تشويش عشوائي على الحروف قبل إرسالها إلى نموذج لغوي كبير بعيد، والذي يقوم بعد ذلك بإعادة بناء الكلمات الشائعة غير الحساسة مع تعتيم المعلومات النادرة والحساسة بفعالية، مما يحقق توازناً قوياً بين الخصوصية والمنفعة دون الحاجة إلى تحديد صريح لمعلومات الهوية الشخصية.
تقترح الورقة البحثية إطار عمل ROAST، وهو إطار تدريب انتقائي مدرك للمخاطر يعزز استدعاء كاشف الشذوذ ضد هجمات التهرب من خلال التركيز في التدريب على بيانات المرضى الأقل عرضة للاختراق وحقن عينات معادية، مما يحقق مكاسب كبيرة في الأداء وتقليلاً في وقت التدريب دون المساس بالدقة.
تعمل هذه الورقة على تصنيف التحديات الأمنية الفريدة للأنظمة الوكيلية المفتوحة من خلال تصنيف سداسي الأبعاد ومراجعة لـ 50 دراسة، كاشفةً عن فجوات حرجة في ضوابط النشر والحوكمة مع اقتراح عقيدة "الأمان عبر التصميم" وبطاقة تقييم لبناء أنظمة وكيلية مرنة وقابلة للتدقيق.
تقدم هذه الورقة البحثية "Hermes Seal"، وهو إطار عمل قائم على تقنية zk-SNARKs يُمكّن المركبات ذاتية القيادة من إنشاء براهين تشفيرية تحافظ على الخصوصية لاتصالات (V2V) و(V2I) قابلة للتحقق دون الكشف عن النماذج المملوكة أو بيانات الاستشعار، محققاً أداءً في الوقت الفعلي بإنشاء برهان خلال 8 مللي ثانية وتحقق خلال 1 مللي ثانية.
تقدم هذه الورقة H-Elo، وهو بروتوكول يعتمد على التشفير المتماثل كلياً يتيح إجراء عملية التوفيق بين اللاعبين بخصوصية عبر تحديث أنظمة التصنيف التقليدية بشكل آمن دون الكشف عن بيانات المستخدمين الحساسة، محققاً دقة تضاهي تطبيقات النصوص الصريحة مع تقليل تسرب الخصوصية بشكل كبير.
تقترح هذه الورقة وتقيم آليتين رئيسيتين للحماية —وهما التغطية (masking) وتغليف RSA— لتأمين التشفير المتجانس الهجين في التعلم الاتحادي ضد العملاء الخبيثين، مما يثبت أن هذه الأساليب تمنع بفعالية كشف التحديثات الخاصة مع الحفاظ على دقة النموذج مع حد أدنى من العبء الحسابي وعبء الاتصالات.
تقيم هذه الورقة مدى فعالية أدوات التحليل الساكنة التقليدية، ونماذج تعلم الآلة، والنماذج اللغوية الكبيرة في اكتشاف ثغرات إعادة الدخول في العقود الذكية الحديثة بلغة Solidity 0.8+ باستخدام معيارين مرجعيين جديدين، كاشفةً أن النماذج اللغوية الكبيرة الرائدة تتفوق بشكل كبير على الأدوات الحالية وتسلط الضوء على الفجوات الحرجة في متانة الكشف الحالية.
تقيم هذه الدراسة مدى ملاءمة نهج معالجة البيانات المختلفة لتعزيز قابلية نقل وتعميم نماذج تعلم الآلة في اكتشاف البرمجيات الخبيثة من نوع الملفات التنفيذية المحمولة (Portable Executable) عن طريق توحيد سمات EMBERv2 وتدريب النماذج على مجموعات بيانات مدمجة (EMBER، وBODMAS، وERMDS) لاختبار أدائها عبر معايير متنوعة مثل TRITIUM، وINFERNO، وSOREL-20M.