3780 ورقة بحثية
تقدم هذه الورقة البحثية نموذج PrivEsc-LLM، وهو نموذج محلي بحجم 4 مليارات معلمة تم تدريبه عبر مسار مكون من مرحلتين يتضمن الضبط الدقيق الخاضع للإشراف والتعلم التعزيزي باستخدام مكافآت قابلة للتحقق، والذي حقق نسبة نجاح بلغت 95.8% في مهام تصعيد الامتيازات في نظام لينكس — وهو ما يقارب أداء النماذج المغلقة رفيعة المستوى — مع تقليل تكاليف الاستدلال بأكثر من 100 مرة.
تقدم هذه الورقة نظاماً موحداً للكشف عن اختراق الشبكة متعدد الأنماط يجمع بين تعلم الآلة لتصنيف الهجمات بشكل مستقر على مجموعة بيانات مُعاد معالجتها، وبين منهجيات التعلم التنافسي لتوليد وتقييم البيانات الاصطناعية عالية الدقة إحصائياً.
تقدم هذه الورقة تنظيمًا معرفيًا يستند إلى تحليل ١٨٧ منشورًا على مدار العقدين الماضيين لرسم خارطة لمجال الهندسة العكسية للأجهزة، وتحديد التحديات الحرجة مثل انخفاض قابلية التكرار، واقتراح توصيات تتمحور حول أصحاب المصلحة لتحسين التنسيق البحثي، والتقييس، والوضوح القانوني.
تقترح هذه الورقة إطاراً للخصوصية التفاضلية الاحتمالية لتحليل تسرب الخصوصية في وكلاء الذكاء الاصطناعي للمؤسسات، حيث تشتق حدوداً تربط التسرب بمعلمات التوليد وتصيغ مسألة تحسين لتحديد إعدادات درجة الحرارة المثالية للموازنة بين الخصوصية والمنفعة.
يُعد LLAMAFUZZ أداة فحص (fuzzer) جديدة من نوع الـ greybox تستفيد من المعرفة المسبقة والقدرات المضبوطة بدقة للنماذج اللغوية الكبيرة لتوليد وتعديل المدخلات المهيكلة بفعالية، مما يتفوق بشكل كبير على الأدوات الحالية مثل AFL++ في تغطية الكود واكتشاف الأخطاء عبر مختلف البرامج الواقعية.
تُثبت هذه الورقة أن المهاجمين يمكنهم اختراق سلسلة توريد وكلاء الذكاء الاصطناعي بفعالية من خلال تسميم مسارات جمع البيانات عبر بيانات الضبط الدقيق، أو النماذج الأساسية المزروعة مسبقاً بأبواب خلفية، أو التلاعب بالبيئة، مما يؤدي إلى زرع أبواب خلفية يصعب اكتشافها تُحفز سلوكيات خبيثة مثل تسريب البيانات بمعدلات نجاح عالية.
تقدم الورقة البحثية MetaDOAR، وهو متحكم ميتا خفيف الوزن يعزز نماذج Double Oracle وPSRO من خلال التصفية المتعلمة الواعية للتقسيم وتخزين قيم Q لتمكين التعلم المعزز متعدد الوكلاء القابل للتوسع والفعال لألعاب أمن الشبكات واسعة النطاق.
تقترح هذه الورقة إطار عمل للتعلم الاتحادي مؤمن بتوزيع المفاتيح الكمومية، يستخدم بروتوكولات من نمط BB84 والتقنيات القائمة على القناع الجمعي الثنائي لتمكين التدريب التعاوني الحافظ للخصوصية لتقدير قنوات الجيل السادس واستشعار طيف الرادار، محققاً دقة عالية مع ضمان عدم قدرة المتنصتين على إعادة بناء تحديثات النماذج الفردية.
تُعد BadLLM-TG طريقة دفاعية جديدة ضد الهجمات الخلفية (backdoor) لنماذج معالجة اللغات الطبيعية، وهي تعتمد على مولد محفزات (trigger generator) قائم على نموذج لغوي كبير ومُحسَّن عبر التعلم التعزيزي الموجه بالحث (prompt-driven reinforcement learning) لتخليق محفزات فعالة للتدريب العدائي، مما يحقق انخفاضاً كبيراً في معدلات نجاح الهجوم.
تجادل الورقة بأن آليات إلغاء الاشتراك الشاملة يجب أن يُسمح بها كإعدادات افتراضية في البرمجيات المثبتة مسبقاً والمحمية للخصوصية لأن استخدامها يعكس بطبيعته توقعات المستهلكين المعقولة بشأن الخصوصية ويشكل خياراً إيجابياً صالحاً، مما يحل النزاعات بين قوانين الخصوصية في الولايات والحظر المفروض من قبل لجنة التجارة الفيدرالية على الممارسات الخادعة.