309 Arbeiten
Diese Studie stellt ein kausales, lecksicheres Verfahren zur Extraktion interpretierbarer Graph-Features für zeitliche Transaktionsnetzwerke vor, das in Kombination mit Transaktionsattributen die Erkennung von Betrugsaktivitäten auf dem Elliptic-Datensatz mit einer ROC-AUC von etwa 0,85 verbessert und gleichzeitig die Nachvollziehbarkeit für Untersuchungsworkflows erhöht.
Diese Studie untersucht, wie verschiedene Graphkonstruktionstechniken die Leistung von Graph Neural Networks bei der Erkennung von IoT-Botnets beeinflussen, und stellt fest, dass die Gabriel-Graph-Methode mit einer Genauigkeit von 97,56 % die beste Detektionsleistung erzielt.
Die Studie stellt SDN-SYN PoW vor, eine adaptive Verteidigungsarchitektur, die Software-Defined Networking mit nicht-interaktiven Proof-of-Work kombiniert, um SYN-Flut-Angriffe im Multi-Domain-Bereich durch dynamische, kontextabhängige Schwierigkeitsanpassung effektiv abzuwehren, ohne legitime Clients zu belasten.
Diese Studie demonstriert, wie Large Language Models (LLMs) den Prozess der Artefaktevaluation in der Cybersicherheitsforschung unterstützen können, indem sie durch eine Genauigkeit von über 72 % bei der Reproduzierbarkeitsbewertung, die autonome Einrichtung von Sandbox-Umgebungen für 28 % der Artefakte und eine präzise Erkennung methodischer Fallstricke den manuellen Aufwand für Gutachter erheblich reduzieren.
Diese Systematisierung des Wissens zu selbstsouveränen digitalen Identitäten (SSDI) analysiert 80 Quellen, um sechs zentrale Hindernisse für die breite Einführung zu identifizieren, bewertet 12 reale Anwendungen und zeigt auf, dass Selbstsouveränität in der Praxis ein Spektrum darstellt, um die Forschung und Adoption auf diesem Gebiet voranzutreiben.
Die Arbeit stellt Space-Control vor, einen Hardware-Software-Co-Design-Ansatz, der durch Authentifizierung des Ausführungskontexts und cache-basierte Zugriffskontrolle eine prozessspezifische Isolation für gemeinsam genutzten CXL-basierten disaggregierten Speicher ermöglicht und dabei nur einen minimalen Performance-Overhead von 3,3 % verursacht.
Die Arbeit stellt pqRPKI vor, ein praktisches Post-Quantum-RPKI-Framework, das durch die Kombination von RPKI-Objekten mit einer mehrschichtigen Merkle-Baum-Leiter (MTL) und einer angepassten Manifest-Struktur die Bandbreiten- und Rechenkosten bei gleichzeitiger Aufrechterhaltung der Kompatibilität mit bestehenden RSA-Systemen erheblich senkt.
Diese Übersichtsarbeit analysiert die Bedrohungen für die Kryptographie durch Quantencomputing und KI und empfiehlt einen mehrschichtigen Schutzansatz, der postquantensichere Algorithmen, Implementierungshärtung und kryptografische Flexibilität kombiniert, um die Sicherheit als kontinuierlichen Prozess zu gewährleisten.
Diese Arbeit stellt ein patientenzentriertes, privatsphäreschonendes Identitätsmanagement-Framework für das Gesundheitswesen vor, das durch anonyme Pseudonyme und eine bedingte Rückverfolgbarkeit die Sicherheit gewährleistet und gleichzeitig die Verknüpfbarkeit sowie Nachverfolgbarkeit von Patientendaten minimiert, wobei die praktische Umsetzbarkeit durch formale Verifikation und Simulationen bestätigt wird.
Diese Arbeit stellt ein erweitertes, einwilligungsbasiertes Zugriffskontrollframework vor, das durch präventive Konflikterkennung bei der Einwilligungserstellung, formale Systeminvarianten für den Basizzugriff und einen kontextsensitiven Notfallzugriffsmechanismus die semantische Korrektheit in Gesundheitssystemen sicherstellt und dabei die Laufzeitlatenz im Vergleich zu herkömmlichen XACML-Ansätzen signifikant reduziert.
Die Arbeit stellt TFM vor, einen neuen Jailbreak-Angriff auf Text-zu-Video-Modelle, der unsichere Anfragen in eine zeitlich fragmentierte Zwei-Rahmen-Struktur umwandelt, um durch die Ausnutzung der autonomen Vorhersage von Zwischenbildern Sicherheitsfilter zu umgehen und die Angriffserfolgsrate signifikant zu steigern.
Diese Arbeit zeigt, dass die Nutzung von eBPF zur Überwachung des Systemverhaltens neue, bisher in SSE-Bedrohungsmodellen unberücksichtigte Leckagen aufdeckt, die bestehende Angriffe verstärken und die Lücke zwischen theoretischer Sicherheit und praktischer Systemexponierung schließen.
Die Arbeit stellt mAVE vor, ein neuartiges Wasserzeichen-Verfahren für gemeinsame Audio-Visual-Generierungsmodelle, das durch kryptografische Verschränkung der latenten Räume von Audio und Video eine robuste Abwehr gegen Swap-Angriffe gewährleistet und dabei die Modellleistung vollständig erhält.
Das Papier stellt aCAPTCHA vor, ein neues Sicherheitsverfahren, das durch zeitbasierte, asymmetrische Härte in der Verarbeitung natürlicher Sprache autonomen KI-Agenten, Skripten und Menschen unterscheidet, um eine infrastrukturneutralen Zugangskontrolle für Internetdienste zu ermöglichen.
Diese Arbeit stellt die Layered Governance Architecture (LGA) vor, einen vierstufigen Rahmen zur Abwehr von Ausführungsschicht-Schwachstellen autonomer Agenten, der durch ein umfassendes Benchmark-Testing und experimentelle Ergebnisse belegt wird, dass eine Kombination aus Sandboxing, Intent-Verifikation und Zero-Trust-Autorisierung sowohl hohe Abfangquoten bei bösartigen Tool-Aufrufen als auch geringe Latenzzeiten ermöglicht.
Diese Studie stellt einen kollaborativen Ansatz vor, bei dem mehrere lokale Large Language Models durch Mehrheitsvoting eingesetzt werden, um in über 65.000 Fedora-Paketen effizient kryptografisch relevante Software zu identifizieren und so den Übergang zur Post-Quanten-Kryptografie zu unterstützen.
Die Studie zeigt, dass „Trace-Inversion"-Modelle detaillierte synthetische Denkprozesse allein aus Eingaben, Antworten und kurzen Zusammenfassungen rekonstruieren können, wodurch sich das Reasoning-Verständnis von Schülermodellen durch Feinabstimmung auf diese abgeleiteten Spuren erheblich verbessern lässt, selbst bei kommerziellen Black-Box-Modellen.
Diese Arbeit zeigt, dass ein Algorithmus zur Lösung zufälliger Instanzen einer nicht-modularen Variante des Short Integer Solution-Problems über den ganzen Zahlen auch zur worst-case-Approximation des Shortest Independent Vectors Problem (SIVP) in ganzzahligen Gittern verwendet werden kann.
Dieser Artikel stellt eine neue Methode zur Optimierung der Auslieferungsrate bei codiertem Caching unter nicht-uniformen Nachfragemustern vor, die auf einem Ranking-Algorithmus aus dem Bereich der Empfehlungssysteme basiert und insbesondere in Szenarien mit geringer Nutzerzahl, begrenztem Cache-Speicher oder verzerrten Beobachtungsdaten eine sublineare Reue sowie eine signifikant bessere Leistung als frühere Ansätze erzielt.
Diese Studie stellt eine hardware-effiziente und erklärbare Störungserkennung für 5G-Netze vor, die auf dem Convolutional Tsetlin Machine (CTM) basiert und im Vergleich zu herkömmlichen neuronalen Netzen eine deutlich geringere Speichernutzung sowie schnellere Trainingszeiten bei vergleichbarer Genauigkeit auf realen SSB-Daten bietet.