3659 ورقة بحثية
تحدد هذه الورقة وتصيغ ثلاثة ناقلات هجوم دلالية جديدة على مستوى الوصف (تسميم الأدوات، والتظليل، وسحب البساط) ضد بروتوكول سياق النموذج (MCP)، موضحةً أن التلاعب بالبيانات الوصفية للأدوات يمكن أن يخل بشكل كبير بسلامة النماذج اللغوية الكبيرة، وتقترح استراتيجية دفاع متعددة الطبقات تقلل بفعالية من استدعاءات الأدوات غير الآمنة دون الحاجة إلى إعادة تدريب النموذج.
تقدم الورقة البحثية AutoBaxBuilder، وهو مسار عمل مؤتمت يستفيد من النماذج اللغوية الكبيرة لتوليد معايير قياسية عالية الجودة لأمن البرمجيات بسرعة وبتكلفة اقتصادية، مما يقلل بشكل كبير من الجهد اليدوي المطلوب لبناء المعايير القياسية مع معالجة مشكلات تلوث البيانات وقابلية التوسع.
يُعدّ "بنتي ديف" (PenTiDef) إطار عمل لامركزي بالكامل، يحافظ على الخصوصية، ومقاوم للتسمم، للكشف عن التسلل في إنترنت الأشياء الصناعي، حيث يدمج بشكل تآزري بين الخصوصية التفاضلية الموزعة، وآلية دفاع خفيفة الوزن في الفضاء الكامن، وسلسلة كتل (blockchain) مرخصة لتحقيق تعلم تعاوني قوي وآمن وقابل للتوسع دون الحاجة إلى خادم مركزي.
تقدم هذه الورقة البحثية "المحول التبايني الزمني" (TCT)، وهو إطار عمل للتعلم الذاتي ينجح في تعلم تمثيلات زمنية ذات معنى للكشف عن الجرائم المالية، محققاً أداءً قوياً بصفة مستقلة مع تسليط الضوء على التحدي الراهن المتمثل في تجاوز خطوط الأساس للميزات المصممة هندسياً والمتخصصة في هذا المجال.
تعيد هذه الورقة تقييم قدرات وكلاء النماذج اللغوية الكبيرة في مجال الأمن الهجومي من خلال إثبات أنه بينما تضاهي الوكلاء ذوو الأغراض العامة مثل Claude Code أداء البنيات المعقدة والمصممة هندسياً في تحديات "التقط العلم والعلم" (CTF)، لا يزال كلاهما يواجه عوائق كبيرة على المستوى البشري، مع إثبات أن التنسيق الهيكلي متعدد الأدوار يتفوق على التصميمات المتجانسة من حيث الاتساق وكفاءة التكلفة.
تكشف هذه الورقة أن إعادة استخدام الـ nonce بشكل منهجي من قبل باحثي الـ MEV في شبكة Polygon، والمدفوع بضغوط زمن الاستجابة في المزادات مغلقة العطاءات، يخلق أنماط توقيع يمكن التنبؤ بها تسم matter تتيح للمهاجمين استرداد المفاتيح الخاصة عبر الجبر الخطي الأولي، مما يؤدي إلى اختراق حسابات متعددة في آن واحد.
تقدم هذه الورقة آلية العتبة المعممة (GTM)، وهي خوارزمية قريبة من المثالية للخصوصية التفاضلية مخصصة للاختبار الخاص المعمم، والتي تعمل على تحسين الدقة والتعقيد العيني مع تمكين الاختزالات الصندوقية السوداء لتحسين الملاحظة المستمرة واختيار المعلمات الفائقة التكيفية.
تقدم الورقة البحثية ASSEMBLAGE-DEEPHISTORY، وهي مجموعة بيانات ثنائية شاملة متعددة البناء تحتوي على 73,610 ملفاً ثنائياً من 248 مشروعاً مفتوح المصدر توحد سياق التجميع، والشيفرة المصدرية، وتسميات الثغرات الأمنية (CVE) عبر المترجمات، ومستويات التحسين، والزمن، مما يتيح تحليلات جديدة للكشف عن الثغرات الأمنية في الملفات الثنائية والتشابه بينها.
يعد FuzzingBrain V2 نظاماً متعدد الوكلاء يعتمد على النماذج اللغوية الكبيرة، يتغلب على القيود الحالية في اكتشاف الثغرات الأمنية المؤتمتة من خلال دمج الفحص العشوائي القابل لإعادة الإنتاج، وتجريد "النقطة المشبوهة" المبتكر لتحديد المواقع، والتحليل الهرمي لتحقيق معدل اكتشاف بنسبة 90% في مجموعات البيانات المرجعية والنجاح في تحديد 29 ثغرة أمنية من نوع "اليوم الصفر" (zero-day) في العالم الحقيقي.
تقدم هذه الورقة البحثية QuartetFuzz، وهو نظام ذاتي يعتمد على النماذج اللغوية الكبيرة (LLM) لضمان صحة أدوات الفحص (fuzz harnesses) عبر تطبيق إطار عمل مبتكر قائم على "المبادئ الأربعة" (صحة المنطق، والامتثال لبروتوكول واجهة برمجة التطبيقات، واحترام الحدود الأمنية، وكفاية نقاط الدخول) لتوليد الأدوات والتحقق منها وإصلاحها، مما يؤدي إلى اكتشاف أخطاء عالية الجودة مع معدل منخفض من الإيجابيات الكاذبة عبر لغات برمجة متعددة.