3780 ورقة بحثية
تقدم الورقة البحثية PATCH، وهي طريقة مبتكرة تحدد وتعدل مباشرةً الدوائر الحسابية المحددة المسؤولة عن تسريب معلومات الهوية الشخصية (PII) في النماذج اللغوية، محققةً توازناً أفضل بكثير بين الخصوصية والمنفعة وتسريباً متبقياً يقترب من الصفر عند دمجها مع الخصوصية التفاضلية مقارنة بالدفاعات الحالية.
تقترح هذه الورقة إطار عمل ثلاثي المقابض منخفض التكلفة يستفيد من النماذج اللغوية الصغيرة مع التلقين المدرك للخطأ، وتقطير المبررات، وبنية تنقية ثنائية المراحل لتحقيق ترجمة عالية الدقة من اللغة الطبيعية إلى لغة KQL لمراكز عمليات الأمن، مما يقلل تكاليف الرموز (tokens) بشكل كبير مقارنة بالنماذج اللغوية الكبيرة مع الحفاظ على أداء قوي عبر المقاييس النحوية والدلالية.
تثبت هذه الورقة أن النماذج اللغوية الكبيرة يمكنها إجراء عملية إلغاء مجهولية واسعة النطاق للمستخدمين المستعارين عبر الإنترنت من خلال تحليل النصوص غير المهيكلة عبر المنصات، محققةً دقة واستدعاءً أعلى بكثير من الطرق الكلاسيكية، مما يتحدى الافتراض بأن المجهولية عبر الإنترنت توفر غموضاً عملياً.
تقترح هذه الورقة تحولاً هيكلياً قائماً على البيانات الوصفية (metadata) يستبدل التجزئة التشفيرية القائمة على المحتوى بمعرفات فريدة عالمياً وحتمية يتم تعيينها عند الإدخال للقضاء على اختناقات إعادة التجزئة وضمان التعافي السريع من الكوارث في أنظمة التخزين الموزعة.
إن TT-SEAL هو إطار عمل للتشفير الانتقائي لشبكات Tensor-Train المفككة، والذي يحدد ويشفر فقط النوى الأكثر حساسية، محققاً بذلك متانة ضد الهجمات العدائية تضاهي التشفير الكامل مع تقليل عبء تشفير المعلمات وزمن التأخير من طرف إلى طرف بشكل كبير للذكاء الاصطناعي عند الحافة ذي الموارد المحدودة.
تقيم هذه الورقة ثغرات حقن الأوامر (prompt injection) وكسر الحماية (jailbreak) عبر نماذج لغوية كبيرة متعددة مفتوحة المصدر باستخدام مجموعة بيانات منسقة، مما يكشف عن تباينات سلوكية كبيرة ويثبت أنه بينما تخفف الدفاعات خفيفة الوزن أثناء الاستدلال من الهجمات البسيطة، فإنها تفشل باستمرار أمام الأوامر المعقدة التي تعتمد على الاستنتاج.
تقترح هذه الورقة مسار تحليل هجين للبرمجيات الخبيثة يجمع بين التحليل الساكن والديناميكي مع نموذج لغوي كبير مقيد بمخطط (schema-constrained) لتحويل الأدلة الجنائية التقنية لبرمجيات لينكس/آرم (Linux/ARM) الموجهة نحو تسريب البيانات تلقائياً إلى تقارير اختراق مهيكلة ومتوافقة مع اللائحة العامة لحماية البيانات (GDPR)، مما يؤدي إلى تسريع مهلة الإخطار البالغة 72 ساعة وتقليل العبء المعرفي على المستجيبين للحوادث.
تُثبت هذه الورقة أن هجمات تسميم بيانات التدريب على التصنيف الصوتي للمركبات يمكن أن تحقق معدلات تصنيف خاطئ مستهدفة عالية مع فساد ضئيل في البيانات، بينما تظل غير قابلة للكشف عبر مراقبة الدقة الإجمالية بسبب القيود الهيكلية التي يفرضها عدم التوازن بين الفئات، مما يستل موجة نحو الدفاعات القائمة على إثبات مصدر البيانات القابلة للتحقق تشفيرياً.
تقترح هذه الورقة طريقة تضمن الخصوصية التفاضلية لبناء نماذج سلاسل ماركوف من بيانات المستخدمين، والتي تعمل على تعمية الاستعلامات ذات القيم في الـ "سيمبلكس" (simplex) وتوفر حدوداً تحليلية للأخطاء الناتجة في التوزيعات المستقرة ومعدلات التقارب، مما يظهر دقة عالية بنسبة خطأ تقل عن 2% في ظل إعدادات الخصوصية النموذجية.
تُثبت هذه الورقة أن أنظمة النماذج اللغوية الكبيرة الوكيلية (agentic LLM systems) عرضة لـ "الخروج الصامت" (silent egress)، وهو ناقل هجوم مستحدث حيث يؤدي حقن الأوامر الضمني عبر البيانات الوصفية لرابط (URL) خبيث إلى حث الوكلاء على تسريب بيانات حساسة دون تفعيل ضوابط السلامة القائمة على المخرجات، مما يسلط الضوء على الحاجة الماسة للدفاعات على مستوى الشبكة بدلاً من تقوية مستوى الأوامر (prompt-level hardening).