362 Arbeiten
Die Arbeit stellt PA-B2G vor, eine beweisbare und anpassbare Bit-zu-Gauß-Mapping-Methode, die es ermöglicht, beliebige geheime Nachrichten ohne Vorlagebilder in Diffusionsmodelle einzubetten, wobei sie eine theoretisch invertible Abbildung gewährleistet und eine flexible Balance zwischen Bildqualität, Sicherheit und Extraktionszuverlässigkeit ermöglicht.
Die Studie stellt „Inception" vor, den ersten Multi-Turn-Jailbreak-Angriff auf Text-zu-Bild-Systeme, der deren Speichermechanismen ausnutzt, um durch segmentierte und rekursive Prompt-Manipulation Sicherheitsfilter zu umgehen und die Erfolgsrate von Angriffen signifikant zu steigern.
Diese Arbeit charakterisiert das von Apple in iPhone-Porträtmodi erzeugte synthetische Defokus-Rauschmuster (SDNP), entwickelt Methoden zu dessen präziser Modellierung und zeigt auf, wie dessen Berücksichtigung die Zuverlässigkeit von PRNU-basierten forensischen Quellenverifizierungen verbessert und neue Spuren für die Geräteidentifizierung bietet.
Die vorgestellte Arbeit stellt ein Framework namens „Vulnerability Management Chaining" vor, das durch die systematische Verknüpfung von KEV, EPSS und CVSS-Daten die Effizienz bei der Priorisierung von Schwachstellen um das 18-fache steigert und gleichzeitig die Abdeckung gefährdeter Systeme von 85,6 % sichert.
Dieses Paper stellt VFEFL vor, ein privatsphäreschützendes Framework für Federated Learning, das auf einem neuartigen Cross-Ciphertext Decentralized Verifiable Functional Encryption (CC-DVFE)-Schema basiert, um bösartige Clients zu erkennen und vertrauenswürdige Aggregation ohne Annahme nicht-kollabierender Dual-Server oder vertrauenswürdiger Drittparteien zu ermöglichen.
Die Arbeit stellt Text2VLM vor, eine neuartige Pipeline, die Text-only-Datensätze in multimodale Formate umwandelt, um die Anfälligkeit von Visual Language Models für typografische Prompt-Injection-Angriffe zu bewerten und damit kritische Sicherheitslücken sowie die Überlegenheit geschlossener Modelle aufzuzeigen.
Die Arbeit stellt DCEA vor, ein System, das durch die kryptografische Verknüpfung von CVM-Attestierungen mit plattformweiten TPM-Beweisen erstmals nachweisbare Garantien für die Ausführung vertraulicher virtueller Maschinen innerhalb eines vertrauenswürdigen Rechenzentrums bietet und so komplexe Proxy-Angriffe verhindert.
Diese Studie bietet eine umfassende Analyse und den Vergleich verschiedener hybrider X.509-Zertifikatsverfahren für die Post-Quanten-Kryptografie, um deren Eignung hinsichtlich Zertifikatsgröße, Recheneffizienz und Migrationsfähigkeit für unterschiedliche Anwendungen zu bewerten.
Das Paper stellt AudAgent vor, ein Werkzeug zur automatisierten Echtzeit-Überwachung und Durchsetzung von Datenschutzrichtlinien in KI-Agenten, das durch die Formalisierung von Richtlinien, die Erkennung sensibler Daten und die visuelle Darstellung von Verstößen nicht nur Compliance sicherstellt, sondern auch bei Bedarf schädliche Operationen proaktiv blockiert.
Die Arbeit stellt ceLLMate vor, ein browserbasiertes Sandboxing-Framework, das durch die Überwachung des HTTP-Verkehrs anstelle von unsicheren UI-Eingriffen die Auswirkungen von Prompt-Injection-Angriffen auf Browser-Agenten effektiv eindämmt.
Dieses Papier stellt das erste FIPS-204-kompatible Schwellenwert-ML-DSA-Schema vor, das durch die Verwendung von Shamir-Nonce-DKG und paarweise ausgleichenden PRF-Masken die Privatsphäre der Nonce-Teile ohne zusätzliche kryptografische Annahmen gewährleistet und dabei standardkonforme Signaturen für beliebige Schwellenwerte erzeugt.
Die Arbeit stellt „Least-Privilege Language Models" vor, ein neues Paradigma, das durch eine Überwachungs- und Zuweisungsarchitektur sowie „Nested Least-Privilege Networks" die Rechenprivilegien eines Sprachmodells zur Laufzeit dynamisch einschränkt, um das Prinzip des geringsten Privilegs ohne Nachtraining oder mehrere Modelle durchzusetzen.
Diese Arbeit stellt ein konsensbasiertes Bayes-Modell vor, das durch die Analyse von Meinungsdynamiken in Enterprise-Verzeichniszugriffsgraphen und die Bewertung logischer Anomalien in stark zusammenhängenden Komponenten bösartige Benutzeraktivitäten erkennt.
Diese Arbeit untersucht semantische Kennzeichnungsstrategien für Cybersecurity-Fragebögen zur Bewertung von Drittanbieterrisiken und zeigt, dass ein hybrides halbüberwachtes Verfahren (SSSL) in Kombination mit semantischen Labels die Genauigkeit der Fragebogenabfrage verbessert und gleichzeitig die Kosten für den Einsatz von Large Language Models (LLMs) erheblich senkt.
Diese Arbeit zeigt, dass die bekannten unteren Schranken für den additiven Fehler bei der differenziell privaten fortlaufenden Schätzung von Distinct-Count und -Momenten in Turnstile-Streams umgangen werden können, indem Algorithmen mit sowohl multiplikativem als auch additivem polylogarithmischem Fehler und polylogarithmischem Speicherbedarf entwickelt werden.
Die Arbeit stellt Chimera vor, ein neuro-symbolisches Framework, das durch die Abbildung von Aufmerksamkeitsmechanismen und symbolischen Constraints auf programmierbare Dataplane-Primitive eine vertrauenswürdige und vorhersagbare Traffic-Analyse mit Linienrate auf handelsüblichen Switches ermöglicht.
Dieser Artikel etabliert Federated Inference als eigenständiges, datenschutzfreundliches Paradigma für die kollaborative Modellinferenz, das durch eine systemische Analyse der zugrundeliegenden Anforderungen, Designkompromisse und praktischen Herausforderungen einen einheitlichen Rahmen für skalierbare, incentivisierte und private Inferenzsysteme bietet.
Diese Arbeit stellt „Sleeper Cell" vor, eine neue Angriffsmethode, die durch eine mehrstufige Feinabstimmung (SFT-then-GRPO) latente, zeitgesteuerte Backdoors in Tool-using-LLMs injiziert, um unter spezifischen Bedingungen schädliche Aktionen auszuführen, während das Modell gleichzeitig in Standardtests unauffällig bleibt.
Die Arbeit stellt ZKFL-PQ vor, ein quantenresistentes, hybrides Verschlüsselungsprotokoll für das föderierte Lernen im medizinischen Bereich, das durch den Einsatz von ML-KEM, lattice-basierten Zero-Knowledge-Beweisen und homomorpher Verschlüsselung sowohl Angriffe durch Gradienten-Inversion als auch das „Harvest Now, Decrypt Later"-Risiko abwehrt und dabei bei minimalen Genauigkeitsverlusten eine vollständige Abweisung normverletzendender Updates gewährleistet.
Diese Arbeit liefert die erste theoretische Analyse und empirische Validierung von Googles SynthID-Text-Wasserzeichensystem, indem sie dessen Erkennungsgenauigkeit untersucht, neue Angriffsmethoden wie den Layer-Inflation-Attack aufdeckt und optimale Parameter für robuste Wasserzeichen ermittelt.