cs.CR

Benchmarking Large Language Models for Zero-shot and Few-shot Phishing URL Detection

تقدم هذه الورقة البحثية معياراً شاملاً لتقييم فعالية النماذج اللغوية الكبيرة في اكتشاف روابط التصيد الاحتيالي المتطورة والمولدة بواسطة الذكاء الاصطناعي من خلال التعلم بصفر من الأمثلة (zero-shot) والتعلم ببضعة أمثلة (few-shot)، مما يثبت أن التلقين ببضعة أمثلة يعزز الأداء بشكل كبير عبر نماذج متعددة لمواجهة التصاعد السريع لتهديدات التصيد الاحتيالي وندرة البيانات المصنفة.

Privately Fine-Tuned LLMs Preserve Temporal Dynamics in Tabular Data

تقدم الورقة البحثية إطار عمل PATH، وهو إطار عمل مبتكر يستفيد من النماذج اللغوية الكبيرة التي تم ضبطها بدقة وبشكل خاص لتخليق بيانات جدولية طولية ذات خصوصية تفاضلية، مما يحافظ بفعالية على الديناميكيات الزمنية والارتباطات طويلة المدى التي تفشل الطرق التقليدية القائمة على الهوامش في التقاطها.

Evaluating False Alarm and Missing Attacks in CAN IDS

تقيم هذه الورقة البحثية بشكل منهجي متانة الهجمات العدائية لأنظمة كشف التسلل في شبكة CAN القائمة على تعلم الآلة باستخدام مجموعة بيانات ROAD، كاشفةً أنه بينما تحافظ النماذج على معدلات إنذار كاذب منخفضة، إلا أنها معرضة بشدة للاضطرابات القائمة على التدرج التي تزيد بشكل كبير من الهجمات المفقودة، مع إظهار نموذج "Extra Trees" مرونة فائقة في هذا المقياس تحديداً.

Generalizable and Interpretable RF Fingerprinting with Shapelet-Enhanced Large Language Models

تقترح هذه الورقة إطار عمل جديد للبصمة اللاسلكية (RF fingerprinting) يجمع بين الأشكال النمطية ثنائية الأبعاد (2D shapelets) لالتقاط أنماط زمنية محلية قابلة للتفسير، ونموذج لغوي كبير مُدرب مسبقاً لنمذجة السياق العالمي، مما يحقق تعميماً فائقاً وأداءً عالياً في التعلم من عينات قليلة عبر بيئات لاسلكية متنوعة مع التغلب على قيود "الصندوق الأسود" التي تعيب الشبكات العصبية العميقة التقليدية.

On (Im)possibility of Network Oblivious Transfer via Noisy Channels and Non-Signaling Correlations

تثبت هذه الورقة أن الانتقال التملي (oblivious transfer) المثالي مستحيل جوهرياً عبر القنوات ذات الضجيج المعززة بتلازمات غير إشارية ثلاثية عامة، حيث يؤدي الاستخدام المتكرر حتماً إلى تضخيم تسرب الرسالة إلى المستلم (المستلمين)، رغم أن خصوصية المستلم (المستلمين) نفسه تظل قابلة للتحقيق نظرياً.

Origin Lens: A Privacy-First Mobile Framework for Cryptographic Image Provenance and AI Detection

إن أوريجن لينس (Origin Lens) هو إطار عمل للهواتف المحمولة يضع الخصوصية أولاً، ويستخدم بنية هجينة من لغتي رست (Rust) وفلاتر (Flutter) لإجراء التحقق المحلي من أصالة المصدر وكشف الذكاء الاصطناعي، مما يمكّن المستخدمين من تقييم سلامة التضليل البصري مع التوافق مع المعايير التنظيمية مثل قانون الذكاء الاصطناعي للاتحاد الأوروبي.

Detecting and Explaining Malware Family Evolution Using Rule-Based Drift Analysis

تقترح هذه الورقة نهجاً قائماً على القواعد وقابلاً للتفسير للكشف عن تطور عائلات البرمجيات الخبيثة وتفسيره، وذلك من خلال مقارنة مجموعات القواعد المُولدة لتحديد تغييرات ميزات محددة تشكل انزياحاً في المفهوم، مما يعزز متانة وشفافية أنظمة كشف البرمجيات الخبيثة.

Can Developers rely on LLMs for Secure IaC Development?

تقيم هذه الدراسة نموذجي GPT-4o وGemini 2.0 Flash لتطوير البنية التحتية كبرمجية (IaC) بشكل آمن، وتجد أنه على الرغم من أن المطالبات الموجهة تحسن الكشف عن الروائح الأمنية في كل من المقتطفات المبسطة والمستودعات الواقعية، إلا أن النماذج لا تزال تعاني في توليد كود آمن، حيث لا تلبي سوى نسبة ضئيلة من المخرجات المعايير الأمنية حتى عند توجيه تعليمات صريحة بذلك.

A novel public key cryptography based on generalized Lucas matrices

تقترح هذه الورقة مخططاً جديداً لتشفير المفتاح العام يستخدم مصفوفات لوكاس المعممة ضمن تشفير أفيين (Affine cipher) وبروتوكول اتفاق على المفتاح، مما يقلل بشكل كبير من تعقيد الإرسال ويوسع مساحة المفتاح من خلال تبادل زوج من المعلمات فقط بدلاً من المصفوفات الكاملة.

Generating Synthetic Health Sensor Data for Privacy-Preserving Wearable Stress Detection