cs.CR ورقة بحثية

Noise-Aware Differentially Private Variational Inference

تقترح هذه الورقة طريقة جديدة للاستدلال المتغير للتدرج العشوائي الواعي بالضجيج، والتي توسع نطاق الاستدلال البايزي ذي الخصوصية التفاضلية ليشمل النماذج عالية الأبعاد وغير المترافقة، مما يوفر تقييمات دقيقة للمواقع اللاحقة وتنبؤات جيدة المعايرة حيث تفشل النهج الحالية.

Talal Alrawajfeh, Joonas Jälkö, Antti Honkela2026-05-29

🤖 AI

Taming Data Challenges in ML-based Security Tasks Using Generative AI

تُثبت هذه الورقة أن تعزيز مجموعات بيانات التدريب ببيانات اصطناعية ناتجة عن الذكاء الاصطناعي التوليدي، بما في ذلك طريقة مبتكرة تسمى "نيماي" (Nimai)، يمكن أن يحسن بشكل كبير من أداء وقدرة التصنيفات الأمنية القائمة على التعلم الآلي على التكيف، لا سي fact في البيئات محدودة البيانات، مع تحديد خصائص معينة للبيانات قد تعيق مثل هذه التحسينات.

Shravya Kanchi, Neal Mangaokar, Aravind Cheruvu, Sifat Muhammad Abdullah, Shirin Nilizadeh, Atul Prakash, Bimal Viswanat (…)2026-05-29

💻 computer science

BadBlocks: Low-Cost and Stealthy Backdoor Attacks Tailored for Text-to-Image Diffusion Models

تقدم الورقة البحثية BadBlocks، وهو هجوم باب خلفي خفيف الوزن ومتخفٍ على نماذج الانتشار من النص إلى الصورة، يعمل على تسميم كتل UNet محددة بشكل انتقائي لتحقيق معدلات نجاح عالية بأقل قدر من الموارد الحسابية مع التهرب من الدفاعات المتطورة.

Jia Wu, Yu Pan, Junjun Yang, Yi Du2026-05-29

🤖 AI

Benchmarking LLM-Assisted Blue Teaming via Standardized Threat Hunting

تقدم هذه الورقة CyberTeam، وهو إطار عمل مرجعي يعمل على توحيد عمليات صيد التهديدات للفريق الأزرق (blue team) في سير عمل هيكلي ومجزأ يتكون من 30 مهمة و9 وحدات تشغيلية لتوجيه النماذج اللغوية الكبيرة (LLMs)، مما يثبت أن هذا النهج يحسن أداء تحليل التهديدات بشكل كبير مقارنة باستراتيجيات الاستدلال مفتوحة النهايات.

Yuqiao Meng, Luoxi Tang, Feiyang Yu, Xi Li, Guanhua Yan, Ping Yang, Zhaohan Xi2026-05-29

🤖 AI

Uncovering Vulnerabilities of LLM-Assisted Cyber Threat Intelligence

تقدم هذه الورقة دراسة تجريبية تكشف أن الثغرات الأساسية للنماذج اللغوية الكبيرة في مجال استخبارات التهديدات السيبرانية تنبع من عدم التجانس والتقلب المتأصلين في هذا المجال بدلاً من كونها عيوباً عامة في النماذج، مقدمةً إطار عمل يعتمد على وجود العنصر البشري في الحلقة لتحديد وتخفيف ثلاثة أنماط محددة من حالات الفشل المعرفي من خلال دفاعات مستهدفة.

Yuqiao Meng, Luoxi Tang, Feiyang Yu, Jinyuan Jia, Guanhua Yan, Ping Yang, Zhaohan Xi2026-05-29

🤖 AI

SafeSearch: Automated Red-Teaming of LLM-Based Search Agents

تقدم هذه الورقة SafeSearch، وهو إطار عمل آلي لاختبار الاختراق (red-teaming) يعمل على تقييم سلامة وكلاء البحث القائمين على النماذج اللغوية الكبيرة بشكل منهجي من خلال كشف ثغرات جوهرية تجاه نتائج البحث غير الموثوقة وإثبات أن الدفاعات الشائعة توفر حماية محدودة.

Jianshuo Dong, Sheng Guo, Hao Wang, Xun Chen, Zhuotao Liu, Tianwei Zhang, Ke Xu, Minlie Huang, Han Qiu2026-05-29

🤖 machine learning

When the Same Coefficients Reach Different Places: Asymmetric Realizability in Transplanting Tokenizers across Large Language Models

تحدد هذه الورقة ثغرة "قابلية تحقق غير متماثلة" هيكلية في عملية نقل أجهزة الترميز (tokenizer transplantation) عبر النماذج اللغوية الكبيرة، حيث يمكن هندسة ناقلات معاملات محددة كـ "رموز كاسرة" (breaker tokens) تظل خاملة في النموذج المانح ولكنها تُحفز عمليات إعادة بناء عالية البروز في النموذج الأساسي، مما يؤدي إلى التهرب من فحوصات دمج الأوزان القياسية وتدابير التخفيف القائمة على تقنية (LoRA).

Xiaoze Liu, Weichen Yu, Matt Fredrikson, Xiaoqian Wang, Jing Gao2026-05-29

🤖 AI

P $^2$ RAG: Efficient Privacy-Preserving RAG Service Supporting Arbitrary Top- $k$ Retrieval

تقترح الورقة البحثية P $^2$ RAG، وهي خدمة توليد معزز بالاسترجاع (RAG) فعالة تحافظ على الخصوصية وتستخدم طريقة التنصيف التفاعلية والمشاركة السرية لدعم استرجاع (top-$k) عشوائي دون الحاجة إلى فرز آمن، مما يحقق تسريعاً كبيراً مقارنة بالأنظمة الحالية مع حماية البيانات ومطالبات المستخدمين.

Yulong Ming, Mingyue Wang, Jijia Yang, Jie Xu, Zihan Wu, Cong Wang, Xiaohua Jia2026-05-29

💻 computer science

Can It Reach the Generator? Investigating the Survival of Prompt-Injection Attacks in Realistic RAG Settings

تُثبت هذه الورقة أنه في أنظمة استرجاع المعلومات المعزز بالتوليد (RAG) الواقعية، تفشل معظم هجمات حقن الأوامر (prompt-injection) في الوصول إلى النموذج المولد بسبب مرشحات الاسترجاع وإعادة التصنيف، وأن تلك التي تنجح في العبور يتم اكتشافها بسهولة بواسطة نماذج حماية خفيفة الوزن، مما يبالغ بشكل كبير في تقدير المخاطر الأمنية الفعلية للدراسات السابقة.

Yu Yin, Shuai Wang, Bevan Koopman, Guido Zuccon2026-05-29

⚛️ quantum physics

Meta-Quantum Ensemble Framework for Robust Network Intrusion Detection

تقترح هذه الورقة نظام "المجموعة الميتا-كمية على مستوى النظام" (MQE)، وهو إطار عمل هجين يجمع بين الحوسبة الكمية والتقليدية عبر دمج آلات المتجهات الداعمة الكمية والشبكات العصبية الكمية من خلال متعلم ميتا يعتمد على الغابة العشوائية، وذلك لتعزيز الاستقرار والحساسية وانخفاض معدل الإيجابيات الكاذبة لأنظمة كشف التسلل في حركة مرور إنترنت الأشياء.

Ritvik Bhatnagar, Nouhaila Innan, Angel Arul Jothi J., Muhammad Shafique2026-05-29

→ السابق التالي ←

cs.CR

Noise-Aware Differentially Private Variational Inference

Taming Data Challenges in ML-based Security Tasks Using Generative AI

BadBlocks: Low-Cost and Stealthy Backdoor Attacks Tailored for Text-to-Image Diffusion Models

Benchmarking LLM-Assisted Blue Teaming via Standardized Threat Hunting

Uncovering Vulnerabilities of LLM-Assisted Cyber Threat Intelligence

SafeSearch: Automated Red-Teaming of LLM-Based Search Agents

When the Same Coefficients Reach Different Places: Asymmetric Realizability in Transplanting Tokenizers across Large Language Models

P2^22RAG: Efficient Privacy-Preserving RAG Service Supporting Arbitrary Top-kkk Retrieval

Can It Reach the Generator? Investigating the Survival of Prompt-Injection Attacks in Realistic RAG Settings

Meta-Quantum Ensemble Framework for Robust Network Intrusion Detection

P $^2$ RAG: Efficient Privacy-Preserving RAG Service Supporting Arbitrary Top- $k$ Retrieval