3659 ورقة بحثية
تقدم الورقة البحثية MT-JailBench، وهو إطار عمل معياري للاختبار، يعمل على توحيد تقييمات كسر الحماية متعددة الجولات لفصل آثار الظروف التجريبية عن آليات الهجوم، كاشفاً أن توليد المطالبات هو المحرك الأساسي للنجاح وأن إعادة دمج المكونات المثلى ينتج استراتيجيات هجوم متفوقة وقابلة للتعميم.
يُعد DCVD إطار عمل موحداً يستفيد من دمج ثنائي القنوات عبر الوسائط مع إشراف صريح متعدد المستويات لتحسين كشف ثغرات البرمجيات وتحديد المواقع الدقيق على مستوى العبارة في آن واحد، متفوقاً بذلك على الأساليب الحالية الرائدة.
تُعد MambaNetBurst شبكة مدمجة وخالية من التجزئة (tokenizer-free) لتصنيف حركة مرور الشبكة، تستفيد من هيكل Mamba-2 للقيام بتصنيف مُشرف شامل (end-to-end supervised classification) مباشرة على بايتات الحزم الخام، محققةً أداءً تنافسياً عبر معايير متنوعة دون الحاجة إلى تجزئة أو رقع (patching) أو تدريب مسبق ذاتي الإشراف.
تقدم هذه الورقة البحثية إطار عمل SeqWM، وهو إطار عمل للعلامات المائية السلوكية المتسلسلة يقوم بدمج إشارات الملكية في أنماط انتقال الوكيل المشروطة بالتاريخ لتمكين التحقق من المسار القوي والمستقل عن الموقع مع الحفاظ على فائدة الوكيل، متجاوزاً بذلك هشاشة الأساليب الحالية التي تعامل الإجراءات كتجارب مستقلة.
تقدم هذه الورقة DeepTrap، وهو إطار عمل مؤتمت يحدد الثغرات الأمنية في أنظمة الذكاء الاصطناعي الوكيلية من خلال تحسين التلاعبات العدائية بسياقات التنفيذ القابلة للتغيير، مما يثبت أن مثل هذه الاختراقات السياقية يمكن أن تؤدي إلى سلوكيات غير آمنة مع الحفاظ على إتمام المهام، ويسلط الض {الضوء} على عدم كفاية تقييمات الاستجابة فقط التقليدية.
تقدم هذه الورقة نظامين جديدين يعتمدان على النماذج اللغوية الكبيرة، وهما RADAGAS وRefleXQLi، لتوليد حمولات حقن SQL العدائية وتقييم فعاليتهما ضد جدران حماية تطبيقات الويب المتنوعة، مما يكشف أنه في حين تتفوق هذه النماذج بشكل كبير على الخطوط المرجعية في تجاوز الدفاعات القائمة على الذكاء الاصطناست/تعلم الآلة، إلا أنها تواجه صعوبة أمام الأنظمة القائمة على القواعد وتُظهر أن تنوع الحمولات لا يرتبط دائمًا بنجاح أعلى في التجاوز.
تقدم هذه الورقة GRIEF، وهو فاحص (fuzzer) من نوع الصندوق الرمادي (greybox) يستهدف تعقيدات التزامن وإدارة الحالة في أنظمة خدمة النماذج اللغوية الكبيرة (LLM) للكشف عن الثغرات الحرجة مثل فشل عزل ذاكرة التخزين المؤقت وتداخل الأداء، حيث نجح في تحديد 15 مشكلة جديدة بما في ذلك ثغرتان من نوع CVE في محركات مثل vLLM وSGLang.
توضح هذه الورقة كيف يمكن للذكاء الاصطناعي التوليدي استغلال الحد الأدنى من بيانات وسائل التواصل الاجتماعي العامة لأتمتة حملات التصيد الاحتيالي الموجه التي تتميز بكونها مخصصة للغاية وسياقية، والتي تتفوق بشكل كبير على الهجمات التقليدية في القدرة على الإقناع والتهرب من كل من الشبهات البشرية والضمانات الحالية للذكاء الاصطناعي، مما يسلط الضوء على الحاجة الملحة لتعزيز الدفاعات على مستوى المنصات.
تقترح هذه الورقة وتتحقق أولياً من نهج جديد يسخر النماذج اللغوية الكبيرة لتوليد مواصفات باللغة الطبيعية وإجراء التحقق التركيبي للأكواد، بهدف منع إنتاج تنفيذات معرضة للثغرات دون الاعتماد على لغات رسمية جامدة.
تثبت هذه الورقة أن البيانات الوصفية ذات اللغة الطبيعية في سجلات مهارات الوكلاء الاصطناعيين (SKILL.md) ليست مجرد توثيق سلبي، بل هي سطح هجوم حرج حيث يمكن للتلاعبات الدلالية في سلاسل التوريد أن تضعف بشكل كبير عمليات الاكتشاف والاختيار والحوكمة، مما يسمح للمهارات الخبيثة بالتهرب من الكشف والسيطرة على تبني الوكلاء.