3760 ورقة بحثية
تقدم هذه الورقة مراجعة منهجية للأدبيات ومسحاً صناعياً لتحليل أمن وخصوصية المركبات المعرفة برمجياً (SDV)، مما أسفر عن إطار أمني شامل يعالج تحديات الحساسية المختلطة، والدفاعات متعددة الطبقات، وتناغم الحماية داخل المركبة ومع الحوسبة السحابية لأنظمة النقل الذكية.
تُظهر هذه الدراسة، من خلال تجربة عشوائية مضبوطة شملت 502 مشاركاً، أن الوكلاء الحواريين الخبيثين القائمين على النماذج اللغوية الكبيرة، ولا سيما أولئك الذين يستخدمون استراتيجيات اجتماعية، يمكنهم بنجاح وبشكل خفي استخراج معلومات شخصية أكثر بكثير من المستخدمين مقارنة بنظرائهم الحميدين، مما يكشف عن تهديد جديد وحرج للخصوصية في الذكاء الاصطناعي التوليدي.
تقدم الورقة البحثية NeuroStrike، وهو إطار عمل هجومي مبتكر يستغل اعتماد النماذج اللغوية الكبيرة المتوافقة على عصبونات سلامة متخصصة وشحيحة لتجاوز آليات السلامة في كل من بيئات الصندوق الأبيض والصندوق الأسود عن طريق تقليم هذه العصبونات أو نقل المطالبات العدائية عبر النماذج، محققاً معدلات نجاح هجوم عالية على أكثر من 20 نموذجاً من النماذج ذات الأوزان المفتوحة وخمسة نماذج من الصندوق الأسود.
تقدم الورقة البحثية Locket، وهي تقنية قوية وقابلة للتوسع لقفل الميزات تستخدم التدريب الخصومي ودمج المهايئات لتمكين مخططات الدفع مقابل إلغاء القفل لنماذج اللغة بشكل فعال من خلال تعطيل قدرات محددة انتقائياً مع الحفاظ على المنفعة العامة ومقاومة هجمات التهرب.
تقدم هذه الورقة البحثية "حقن الانحياز المعرفي" (EBI)، وهو هجوم خفي يقوم فيه المهاجمون بحقن محتوى صحيح واقعياً ولكنه منحاز من حيث وجهة النظر في قواعد بيانات استرجاع المعلومات المعزز بالتوليد (RAG) للتلاعب بمخرجات النماذج اللغوية الكبيرة، وتقترح مقياساً هندسياً لقياس هذا الانحياز بالإضافة إلى دفاع خفيف الوزن يسمى (BiasDef) للتخفيف من هذا التهديد.
تقدم هذه الورقة إطاراً حوسبياً لتحليل وتحسين آليات الخصوصية ضد الخصوم ذوي المعرفة المسبقة المحدودة (المُنمذجة عبر قيود الإنتروبيا)، مقترحةً خوارزميات تحسين تبادلي فعالة لحل مشكلات الحد الأقصى للتسرب لكل سجل ومشكلات مقايضة التسرب والتشويه التي توفر أداءً أفضل في الخصوصية والمنفعة مقارنة بالخصوصية التفاضلية الكلاسيكية.
تقدم الورقة البحثية IssueGuard، وهي إضافة لمتصفح كروم تمنع تسريب الأسرار العرضي في تقارير مشكلات GitHub وGitLab من خلال الجمع بين الاستخراج القائم على التعبيرات النمطية ونموذج CodeBERT مضبوط بدقة لتوفير كشف وتحذيرات مرئية في الوقت الفعلي بمعدل F1 يبلغ 92.70%.
تكشف هذه الدراسة أن الأفراد لا يمكنهم التمييز بشكل موثوق بين الأصوات المولدة بواسطة الذكاء الاصطناعي والتسجيلات البشرية في سيناريوهات التصيد الصوتي، حيث حققوا دقة أقل من مستوى الصدفة بسبب فشل الاستدلالات الصوتية التقليدية وثقة مفرطة خطيرة في أحكامهم المعيبة.
تُثبت هذه الورقة أن الاقتصاص العشوائي، وهو تقنية قياسية لتعزيز البيانات، يعزز بطبيعته الخصوصية التفاضلية في نماذج الرؤية الحاسوبية من خلال الاستبعاد الاحتمالي للمحتوى الحساس الموضعي، مما يؤدي إلى تحسين المقايضة بين الخصوصية والمنفعة دون الحاجة إلى تغييرات هيكلية أو تكاليف إضافية.
تقترح هذه الورقة البحثية إطار عمل EFAH-ZTM، وهو إطار عمل اتحادي قابل للتفسير يستفيد من المشفرات التلقائية ونمذجة الرسم البياني الفائق لتوليد قطاعات دقيقة آمنة وقابلة للتفسير ديناميكيًا لشبكات إنترنت الأشياء الصناعية القائمة على نموذج الثقة الصفرية مع الحفاظ على خصوصية البيانات.