3803 ورقة بحثية
تحدد هذه الورقة ثغرة أمنية في وكلاء النماذج اللغوية الكبيرة (LLM agents) حيث يمكن إخفاء تعليمات خبيثة داخل تعليقات HTML في توثيق الأدوات (المهارات)، مما يؤدي إلى تجاوز المراجعة البشرية مع الاستمرار في التأثير على النموذج للقيام بإجراءات غير مصرح بها.
تقترح هذه الورقة "CryptoCatch"، وهو إطار كشف ثنائي المراحل يستخدم تعلم الآلة والاستقصاء النشط لتحديد حركة مرور تعدين العملات المشفرة المشفرة وعملات مشفرة محددة بدقة مع تقليل الإيجابيات الكاذبة إلى الحد الأدنى.
تقترح هذه الورقة مخططًا لمواءمة الهوية يستغل بيانات التتبع عبر الإنترنت مجهولة المصدر لإلغاء مجهولية المستخدمين من خلال كل من التحليل السلبي والتفاعل النشط، مع تقديم إطار تقييم مبتكر ونموذج أولي لنظام وظيفي.
تقترح هذه الورقة إطار عمل أمني متعدد الطبقات لبيئات إنترنت الأشياء غير المتجانسة يدمج بيئات التنفيذ الموثوقة (TEEs)، والبرمجيات الوسيطة الدلالية، وسلسلة الكتل (blockchain) لتوفير دفاع متعمق مع الحفاظ على كفاءة الأداء على الأجهزة ذات الموارد المحدودة.
يُعد VulReaD إطار عمل موجَّه بالرسم البياني للمعرفة، يعمل على تعزيز كشف الثغرات البرمجية والاستدلال عليها باستخدام نموذج لغوي كبير (LLM) كمعلّم لتوليد إشراف تبايني متسق مع أخطاء الـ CWE، مما يتيح للنموذج الطالب تحقيق تصنيف فائق متعدد الفئات وقابلية للتفسير من خلال تحسين التفضيل.
يقترح هذا البحث نظاماً متكاملاً للاستجابة للحوادث السيبرانية مدعوماً بالذكاء الاصطناعي للبيئات السحابية، يستخدم نماذج تعلم الآلة — وتحديداً الغابة العشوائية والتعلم العميق — لتحقيق دقة عالية في تصنيف حركة مرور الشبكة، وكشف اختراق الويب، وتحليل البرمجيات الخبيثة.
تقدم هذه الورقة تقييماً مقارناً لأربعة أنظمة كشف تسلل (IDS) غير عميقة التعلم، وغير خاضعة للإشراف، وتعمل بأسلوب التدفق المستمر (online)، وذلك للكشف عن هجمات التخفي في شبكات CAN، مع تحليل أدائها تحديداً تحت ظروف بيانات البث الواقعية باستخدام نهج النافذة المنزلقة.
تستعرض هذه الورقة دمج تقنية البلوكشين ضمن منظومة الميتافيرس المتطورة، حيث تستكشف كيف توفر ميزاتها الجوهرية — مثل اللامركزية، والعقود الذكية، والرموز غير القابلة للاستبدال (NFTs) — الأمن والبنية التحتية الأساسية اللازمة لتطورها.
تُعد MAPS مجموعة معيارية جديدة متعددة اللغات تُقيّم أداء وأمن أنظمة الذكاء الاصطناعي الوكيلية عبر إحدى عشرة لغة من خلال ترجمة المهام من أربعة معايير رئيسية (GAIA، وSWE-Bench، وMATH، وAgent Security)، مما يكشف أن الانتقال من اللغة الإنجليزية إلى لغات أخرى غالباً ما يؤدي إلى تدهور الموثوقية وزيادة المخاطر الأمنية.
تقيم هذه الدراسة فعالية خوارزميات تعلم الآلة المختلفة في تصنيف قوة كلمات المرور من خلال تحليل أنماط وسمات الحروف الرئيسية من قاعدة بيانات عامة، لتخلص في النهاية إلى أن أشجار القرار والنماذج المكدسة توفر أعلى أداء تنبؤي.