353 articles
Ce papier présente une analyse comparative approfondie de cinq normes et cadres de tokens interchaînes majeurs, en examinant leurs architectures, mécanismes de messagerie, modèles de confiance et écosystèmes cibles pour évaluer leurs approches distinctes visant à assurer la fongibilité unifiée des actifs sur plusieurs blockchains.
Ce papier présente SIABENCH, un cadre d'évaluation agentique novateur comprenant un nouveau dataset et des agents autonomes pour tester rigoureusement l'efficacité de 11 grands modèles de langage dans l'analyse d'incidents de sécurité.
Le papier présente Proteus, un cadre pratique de journalisation de périphériques qui préserve la vie privée en permettant l'analyse forensique sans révéler les informations personnellement identifiables (PII) ni compromettre la fidélité des données, grâce à un schéma à deux couches combinant pseudonymisation par hachage et chiffrement à rotation temporelle.
Cette étude révèle et exploite une nouvelle faille de canal latéral dans les ordinateurs quantiques à ions piégés, où les fuites de signaux radio-fréquence des modulateurs acousto-optiques permettent de déduire les caractéristiques des portes quantiques et d'inférer des algorithmes propriétaires.
Cet article propose un nouveau cadre pour l'estimation de fonctions de répartition cumulées avec garantie de confidentialité différentielle, basé sur des méthodes d'approximation fonctionnelle (projection polynomiale et approximation parcimonieuse) qui surpassent ou égalent les approches existantes tout en étant particulièrement adaptées aux environnements décentralisés et aux flux de données.
Le papier présente SHIELD, un cadre de détection de ransomware indépendant de l'hôte qui exploite des caractéristiques profondes du système de fichiers au niveau du contrôleur de stockage pour identifier et arrêter les menaces avec une grande précision et une faible latence, même face à des variantes inconnues.
L'article présente StegoAttack, un cadre d'attaque par stéganographie qui contourne les mécanismes de sécurité des grands modèles de langage en dissimulant des requêtes malveillantes au sein de paragraphes bénins, réussissant ainsi à concilier furtivité sémantique et linguistique avec un taux de réussite moyen de 95,50 %.
Ce papier propose le cadre d'optimisation de l'entropie de Rényi contrainte (CREO) pour renforcer la résistance quantique du chiffrement RSA tout en préservant sa compatibilité rétroactive, en modifiant la distribution des nombres premiers pour augmenter les ressources quantiques nécessaires à l'algorithme de Shor.
Cet article introduit le cadre de l'apprentissage référé, où un apprenant utilise deux prouveurs concurrents pour sélectionner le meilleur modèle parmi deux boîtes noires avec une précision quasi optimale en n'interrogeant la vérité terrain qu'une seule fois, surpassant ainsi considérablement les méthodes traditionnelles à coût comparable.
Cette étude démontre qu'il est possible de reconstruire le texte d'origine d'un modèle de langage à mélange d'experts (MoE) avec une grande précision en exploitant uniquement les sélections d'experts, révélant ainsi que ces décisions de routage constituent une fuite d'information sensible comparable au texte lui-même.
Cet article propose une revue complète et une catégorisation des modèles de confiance quantitatifs dans les réseaux sociaux en ligne, en explorant leurs fondements théoriques, leurs mécanismes algorithmiques et en fournissant un guide pratique pour leur mise en œuvre.
Cet article propose un cadre de détection en trois étapes utilisant les données AIS, après un prétraitement rigoureux pour éliminer les défauts de communication, afin d'identifier avec précision les brouillages et les spoofings GNSS à grande échelle dans les eaux côtières coréennes tout en réduisant considérablement les fausses alarmes.
Cet article présente la première enquête systématique sur la sécurité des agents d'IA, en analysant leur paysage d'attaques et de défenses, en identifiant les lacunes actuelles et en proposant un cadre fondamental pour sécuriser ces systèmes émergents.
Le papier présente WebWeaver, un cadre d'attaque innovant capable de déduire de manière furtive la topologie complète d'un système multi-agents LLM en compromettant un seul agent arbitraire via l'analyse de contexte, surpassant ainsi les méthodes existantes en précision et en discrétion même sous des défenses actives.
Ce travail de recherche propose une revue systématique des enjeux de sécurité et de confidentialité du codage de cache, en évaluant les schémas existants, en analysant leurs limites et en identifiant les défis ouverts pour l'avenir des réseaux de diffusion de contenu.
Cette étude établit un cadre d'analyse de l'échelle des attaques de contournement (jailbreak) dans les grands modèles de langage, démontrant que les méthodes basées sur le prompting sont plus efficaces en termes de calcul et offrent un meilleur compromis entre succès et discrétion que les approches d'optimisation, tout en révélant que la vulnérabilité des modèles dépend fortement du type de contenu nuisible visé.
Cet article résout de manière inconditionnelle une question ouverte sur le problème PRIM-LWE en établissant que la densité des matrices à déterminant racine primitive sur les corps finis est strictement positive, en prouvant que son minimum sur les premiers décroît comme $1/\log\log x$ et en fournissant des bornes explicites garantissant une faible surcharge d'échantillonnage pour les moduli cryptographiques standardisés.
Ce papier présente DNS-GT, une approche novatrice basée sur les Transformers et les graphes qui apprend des représentations de noms de domaine à partir de requêtes DNS en contexte, surpassant les méthodes existantes pour des tâches de détection d'intrusion comme la classification de domaines et la détection de botnets.
Cet article propose SCS-Code, un mécanisme de guidage léger qui exploite les représentations internes des grands modèles de langage pour orienter la génération de code vers des résultats à la fois fonctionnels et sécurisés, surpassant ainsi les méthodes actuelles sur plusieurs benchmarks.
Cet article propose une approche d'apprentissage par renforcement multi-agents pour calculer une équation de Nash dans un jeu à somme nulle, permettant de détecter les attaques par injection de fausses données dans les réseaux de transport routier et d'assurer la résilience du trafic face à ces menaces.