🤖 machine learning

Detecting Cybersecurity Threats by Integrating Explainable AI with SHAP Interpretability and Strategic Data Sampling

تقدم هذه الورقة إطار عمل متكامل للذكاء الاصطناعي القابل للتفسير يجمع بين أخذ العينات الاستراتيجي للبيانات، والمنع الآلي لتسرب البيانات، وقابلية التفسير القائمة على تقنية SHAP لتعزيز الكفاءة، والدقة، والشفافية في كشف التهديدات السيبرانية على مجموعة بيانات CIC-IDS2017.

Norrakith Srisumrith, Sunantha Sodsee2026-02-24
🤖 AI

Health+: Empowering Individuals via Unifying Health Data

تُعد "هيلث بلس" (Health+) نظاماً متعدد الوسائط يركز على المستخدم، صُمم لتمكين الأفراد من خلال توحيد السجلات الصحية المجزأة في منصة بديهية وآمنة تتيح الإدارة والاستعلام والمشاركة السهلة للبيانات الطبية الشخصية عبر تنسيقات متنوعة.

Sujaya Maiyya, Shantanu Sharma, Avinash Kumar2026-02-24
🤖 machine learning

BioEnvSense: A Human-Centred Security Framework for Preventing Behaviour-Driven Cyber Incidents

تقترح الورقة البحثية BioEnvSense، وهو إطار أمني متمحور حول الإنسان يستخدم نموذجاً هجيناً من نوع CNN-LSTM لتحليل البيانات البيومترية والبيئية، محققاً دقة بنسبة 84% في اكتشاف الظروف التي تؤدي إلى الحوادث السيبرانية المدفوعة بالسلوك لتمكين التدخلات الاستباقية.

Duy Anh Ta, Farnaz Farid, Farhad Ahamed, Ala Al-Areqi, Robert Beutel, Tamara Watson, Alana Maurushat2026-02-24
💻 computer science

Security Risks of AI Agents Hiring Humans: An Empirical Marketplace Study

تكشف هذه الدراسة التجريبية أن وكلاء الذكاء الاصطناعي المستقلين يقومون بتوظيف عمال بشريين برمجياً عبر منصات أسواق مثل RENTAHUMAN.AI لتنفيذ مهام إساءة استخدام متنوعة بتكلفة منخفضة، مما يسلط الضل على تهديد أمني كبير حيث تغيب دفاعات فحص المحتوى الحالية بشكل كبير رغم كونها ممكنة تقنياً.

Pulak Mehta2026-02-24
💻 computer science

Hardware-Friendly Randomization: Enabling Random-Access and Minimal Wiring in FHE Accelerators with Low Total Cost

تقترح هذه الورقة مخطط عشوائية صديقاً للأجهزة لمسرعات التشفير المتماثل بالكامل (FHE)، يقوم بتوليد كثيرات حدود RLWE آنياً من بذور صغيرة، مما يقلل بشكل كبير من عبء الاتصالات وتعقيد الأسلاك مع تمكين الوصول المتوازي وتوفير كبير في الطاقة دون المساس بكفاءة جانب العميل.

Ilan Rosenfeld, Noam Kleinburd, Hillel Chapman, Dror Reuven2026-02-24
💻 computer science

An Explainable Memory Forensics Approach for Malware Analysis

تقترح هذه الورقة إطار عمل للتحقيق في الذاكرة مدعوماً بالذكاء الاصطناعي وقابلاً للتفسير، يستفيد من النماذج اللغوية الكبيرة لتفسير مخرجات التحليل المعقدة، واستخراج مؤشرات الاختراق تلقائياً، ودعم كل من المحللين الخبراء وغير الخبراء في التحقيق في البرمجيات الخبيثة التي تعتمد على تقنيات "العيش على موارد النظام" (living-off-the-land) عبر منصتي ويندوز وأندرويد.

Silvia Lucia Sanna, Davide Maiorca, Giorgio Giacinto2026-02-24
🤖 AI

LLM-enabled Applications Require System-Level Threat Monitoring

تجادل ورقة الموقف هذه بأن المخاطر غير الحتمية المتأصلة في التطبيقات المدعومة بالنماذج اللغوية الكبيرة تستوجب تحولاً جذرياً من الاعتماد حصراً على تحسينات النماذج أو الدفاعات السابقة للنشر إلى تنفيذ مراقبة منهجية للتهديدات على مستوى النظام كشرط أساسي مسبق للتشغيل الموثوق والاستجابة الفعالة للحوادث.

Yedi Zhang, Haoyu Wang, Xianglin Yang, Jin Song Dong, Jun Sun2026-02-24
🤖 machine learning

RobPI: Robust Private Inference against Malicious Client

تقدم هذه الورقة RobPI، وهو بروتوكول استدلال خاص قوي يدافع ضد العملاء الخبيثين من خلال دمج ضوضاء متوافقة مع التشفين في مخرجات النموذج، مما يقلل بشكل كبير من معدلات نجاح الهجمات ويزيد من تكلفة الاستعلام بالنسبة للمتربصين مقارنة بالنماذج الحالية التي تكتفي بالنموذج شبه الأمين.

Jiaqi Xue, Mengxin Zheng, Qian Lou2026-02-24
💻 computer science

SPECTRE: A Hybrid System for an Adaptative and Optimised Cyber Threats Detection, Response and Investigation in Volatile Memory

تقدم هذه الورقة نظام SPECTRE، وهو نظام معياري للاستجابة للحوادث السيبرانية يستفيد من التحقيق الجنائي في الذاكرة، والمحاكاة، واستخبارات التهديدات المتكاملة للكشف عن البرمجيات الخبيثة المتطورة التي لا تعتمد على الملفات وتصورها والتحقيق فيها، مع ضمان التوافق مع سير عمل الاستجابة للحوادث الرقمية والتحقيق الجنائي (DFIR) القائم.

Arslan Tariq Syed, Mohamed Chahine Ghanem, Elhadj Benkhelifa, Fauzia Idrees Abro2026-02-23
🤖 machine learning

How Well Can Differential Privacy Be Audited in One Run?

تحدد هذه الورقة الحدود النظرية لتدقيق الخصوصية التفاضلية في دورة تشغيل واحدة من خلال تحديد التداخل بين عناصر البيانات كعائق رئيسي أمام الدقة، وتقترح مقاربات مفاهيمية جديدة للتغلب على هذا القصور من أجل تحسين تدقيق خوارزميات تعلم الآلة.

Amit Keinan, Moshe Shenfeld, Katrina Ligett2026-02-23