💻 Category

cs

2363 Arbeiten

💻 computer science

Decentralized AI-Powered Zero-Trust Identity and Access Management Using Blockchain and Deepfake-Resistant Multimodal Biometrics

Dieses Paper schlägt ein dezentrales, KI-gestütztes Zero-Trust-IAM-Framework (DAZT-IAM) vor, das eine Permissioned Blockchain, Self-Sovereign Identity und Deepfake-resistente multimodale Biometrie mit kontinuierlichem, risikoadaptivem Scoring integriert, um Single Points of Failure zu eliminieren und hochentwickelte Impersonation-Angriffe zu bekämpfen.

Anithalakshmi V¹, Raja P², N Sripriya, M Lavanya2026-08-11
💻 computer science

Swin-TCN-XAI: A Hybrid End-to-End Framework for Explainable Multi-Class Brain Tumor MRI Classification

Dieses Paper stellt Swin-TCN-XAI vor, ein hybrides Deep-Learning-Framework, das Swin Transformer und Temporal Convolutional Networks mit mehrstufigen Erklärbarkeitstechniken integriert, um eine erstklassige Genauigkeit und klinische Interpretierbarkeit bei der Multi-Klassen-Klassifizierung von Hirntumor-MRT-Aufnahmen zu erreichen.

Umme Sara, MSTMd. Mamu, MD IRFANUL KABIR HIRA, MD SOHAG HOSSAIN, Md. Kowsar Ahmed, Md. Mamun Ur Rashid2026-08-11
💻 computer science

QSecureMail: A QKD-Enhanced Email System with Adaptive Security Policy Engine and Hybrid QKD⊕PQC Encryption

Dieses Papier präsentiert QSecureMail, ein quantensicheres E-Mail-System, das QKD und Post-Quanten-Kryptografie innerhalb einer Adaptive Security Policy Engine integriert, um Verschlüsselungsstufen dynamisch zu verwalten, die Resilienz gegen Harvest-Now-Decrypt-Later-Angriffe zu gewährleisten und eine transparente Sicherheitsattestierung bereitzustellen.

Swayam Kothekar2026-08-11
💻 computer science

Measuring How LLM Tool Descriptions, Cross-Tool Ambiguity, and Action Chains Compose into Excessive Agency Exploits

Dieses Paper stellt AGENTSPILL vor, ein empirisches Audit, das demonstriert, dass Large Language Models äußerst anfällig für Excessive-Agency-Exploits sind – mit einer Gesamterfolgsrate von 50,6 % – insbesondere durch Tool-Description-Injection und unbestätigte Action-Chaining, was dazu führt, dass Modelle manipulierte Instruktionen gegenüber kanonischen Tool-Definitionen priorisieren und autonom destruktive Sequenzen ausführen.

Mohammadreza Rashidi2026-08-11
💻 computer science

Labelled-Metadata Channels and Declarative Payload Phrasing in Hidden Prompt Injection: A Cross-Format Measurement Study

Diese Arbeit präsentiert eine formatübergreifende Messstudie, die zeigt, dass Schwachstellen durch indirekte Prompt-Injektionen häufig darauf zurückzuführen sind, dass Extraktions-Pipelines versäumen, in Metadaten, Binär-Headern und strukturierten Feldern eingebettete versteckte Payloads über verschiedene Dateiformate hinweg zu bereinigen, anstatt aus der Interpretation der Inhalte durch die LLMs selbst zu resultieren.

Mohammadreza Rashidi2026-08-11
💻 computer science

The Claim-to-Action Gap: Measuring How Misinformation Turns False State into Tool Calls in Tool-Using LLM Agents

Dieses Paper stellt ein neuartiges Framework zur Messung der „Claim-to-Action“-Lücke bei werkzeugnutzenden LLM-Agenten vor, indem es demonstriert, dass falsche Behauptungen in fast 70 % der Versuche schädliche reale Aktionen auslösen, eine Schwachstelle, die durch die Implementierung eines von OWASP empfohlenen Verifizierungsschritts vor der Ausführung effektiv neutralisiert wird (wodurch die Aktionsrate auf 0 % reduziert wird).

Mohammadreza Rashidi2026-08-11
💻 computer science

Factorial Benchmarking of Exact and Finite-Shot Gradient Resolvability in a Four-Qubit Hybrid Quantum Neural Network

Diese Studie verwendet ein vollständiges 2³-faktorielles Design, um ein vier-Qubit-hybrides Quanten-Neuronales Netz zu benchmarken, wobei sie aufzeigt, dass spezifische strukturelle und objektive Interaktionen zwar die exakte Gradientenmagnitude signifikant beeinflussen, ihre Effekte unter Bedingungen endlicher Schusszahlen jedoch statistisch mehrdeutig bleiben und noch keinen Optimierungserfolg oder Hardwarevorteile demonstrieren.

Brandon Shen2026-08-11
💻 computer science

The Intent Gap: A Taxonomy of Real-User Failure Modes in Frontier AI Agents

Dieses Paper identifiziert eine kritische „Intentionslücke“ (intent gap), bei der Frontier-KI-Modelle trotz wörtlicher Befolgung des Prompts die tatsächlichen Nutzerbedürfnisse nicht erfüllen, was offenlegt, dass aktuelle, von Forschern entworfene Benchmarks diese einsatzrelevanten Fehler übersehen, da reale Nutzer ihre Unzufriedenheit selten verbalisieren – ein Phänomen, das der Autor durch eine neue Taxonomie quantifiziert, die aus der Analyse groß angelegter Konversationskorpora abgeleitet wurde.

Kanupriya Yakhmi2026-08-11
💻 computer science

HABIT: A Self-Evolving AI-Agent Harness for GUI-Based CAE Software---Application to Aerospace

Dieses Paper stellt HABIT vor, ein selbstentwickelndes, host-agnostisches KI-Agenten-Harness zur Automatisierung komplexer GUI-basierter CAE-Workflows in der Luft- und Raumfahrt durch die Synchronisierung zuverlässiger Tool-Aufrufe mit Echtzeit-Softwarezuständen sowie die kontinuierliche Anpassung an Benutzergewohnheiten durch ein gedächtnisgesteuertes Lernsystem.

Shaoqi WU, Jingyi LI, Jiayi YAO, Xingyuan JU2026-08-11