3365 पेपर
यह शोध पत्र SHIELDS को प्रस्तुत करता है, जो एक मल्टी-एजेंट सिस्टम है जो एक पुनरावृत्ति, फीडबैक-संचालित सुधार प्रक्रिया के माध्यम से OS हार्डनिंग को स्वचालित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है और सफलतापूर्वक 73% तक सुरक्षा स्कैन निष्कर्षों को संबोधित करता है, यह प्रदर्शित करते हुए कि सफलता के लिए मॉडल के आकार की तुलना में प्रभावी टूल उपयोग और सूचना एकत्र करना अधिक महत्वपूर्ण है।
यह शोध पत्र यह स्थापित करता है कि एंटी-कम्यूटिंग क्वांटम ऑपरेटरों के सत्यापन के लिए शास्त्रीय इंटरैक्टिव परीक्षण (नॉन-कम्यूटेशन के परीक्षण) कुंजी सहमति और ओब्लीवियस ट्रांसफर का निर्माण करने के लिए क्रिप्टोग्राफिक रूप से इतने शक्तिशाली हैं, जिससे यह सिद्ध होता है कि ऐसे सत्यापन प्रोटोकॉल स्वाभाविक रूप से मजबूत क्रिप्टोग्राफिक धारणाओं पर निर्भर करते हैं।
गार्डनेट (GuardNet) एक हल्का, कम-विलंबता वाला गार्डरेल सिस्टम है जो प्रतिस्पर्धी प्रॉम्प्ट इंजेक्शन और जेलब्रेक डिटेक्शन प्रदर्शन प्राप्त करने के लिए शैलो न्यूरल नेटवर्क के एक एंसेम्बल का उपयोग करता है, जो कुशल उत्पादन परिनियोजन के लिए बड़े मॉडल के पैमाने के बजाय उदाहरण विविधता और थ्रेशोल्ड अंशांकन को प्राथमिकता देता है।
यह शोध पत्र चिली के साइबर सुरक्षा ढांचे में एक महत्वपूर्ण "कवरेज गैप" की पहचान करता है, जो यह प्रकट करता है कि इसके 915 नामित महत्वपूर्ण बुनियादी ढांचा ऑपरेटरों में से केवल 1.7% ही सत्यापन योग्य भेद्यता प्रकटीकरण चैनल (vulnerability disclosure channels) प्रकाशित करते हैं—जो अमेरिका और यूरोपीय संघ में लगभग सार्वभौमिक अनुपालन के बिल्कुल विपरीत है—और इस बहु-वर्षीय नियामक अंतराल को पाटने के लिए एक ओपन-सोर्स टूल के साथ एक चार-चरणीय रोडमैप का प्रस्ताव देता है।
यह शोध पत्र SlotGCG को प्रस्तुत करता है, जो एक नवीन जेलब्रेक हमला ढांचा (framework) है जो प्रतिकूल टोकन (adversarial token) प्रविष्टि के लिए सबसे संवेदनशील प्रॉम्प्ट "स्लॉट्स" की पहचान करके और उन्हें लक्षित करके लार्ज लैंग्वेज मॉडल्स में स्थितिजन्य कमजोरियों (positional vulnerabilities) का लाभ उठाता है, जिससे यह हमला सफलता दर, अभिसरण गति (convergence speed) और सुरक्षा प्रणालियों के विरुद्ध मजबूती के मामले में GCG जैसे मौजूदा तरीकों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र दो नवीन इन्फरेंस हमलों के माध्यम से k-निकटतम पड़ोसी (k-nearest neighbor) प्रश्नों में अंतर्निहित स्थान गोपनीयता जोखिमों की पहचान करता है और DPRS का प्रस्ताव करता है, जो गोपनीयता संरक्षण और क्वेरी उपयोगिता के बीच प्रभावी ढंग से संतुलन बनाने के लिए रिजेक्शन सैंपलिंग और निजी अंतराल निर्माण का उपयोग करने वाला एक डिफरेंशियल प्राइवेसी फ्रेमवर्क है।
यह शोध पत्र एक क्लीन-रेफरेन्स्ड फीचर-वोकोडर अटैक (Clean-Referenced Feature-Vocoder Attack) प्रस्तुत करता है जो एडवर्सरियल परटर्बेशन्स को रॉ वेवफॉर्म्स से सेल्फ-सुपरवाइज्ड लर्निंग फीचर स्पेस में स्थानांतरित करता है, जो मौजूदा तरीकों की तुलना में ब्लैक-बॉक्स एएसआर (ASR) सिस्टमों में ट्रांसफरैबिलिटी को महत्वपूर्ण रूप से सुधारता है और वेवफॉर्म-आधारित सुरक्षा प्रणालियों से बचने में सक्षम है।
यह शोध पत्र एक संज्ञानात्मक थ्रेट इंटेलिजेंस और व्याख्यात्मक फेडरेटेड सुरक्षा एनालिटिक्स फ्रेमवर्क प्रस्तावित करता है जो संवेदनशील कच्चे डेटा को प्रसारित किए बिना वितरित बुनियादी ढांचा प्रणालियों में गोपनीयता-संरक्षण, स्केलेबल और पारदर्शी साइबर खतरे का पता लगाने में सक्षम करने के लिए फेडरेटेड लर्निंग, व्याख्यात्मक एआई (Explainable AI) और संज्ञानात्मक विश्लेषण को एकीकृत करता है।
यह शोध पत्र अमेरिकी महत्वपूर्ण बुनियादी ढांचे के बुद्धिमान शासन के लिए घुसपैठ का पता लगाने, साइबर जोखिम विश्लेषण और मॉडल विश्वसनीयता को बढ़ाने हेतु CICIDS2017 डेटासेट पर XGBoost और SHAP तकनीकों का उपयोग करते हुए एक व्याख्यात्मक AI-संचालित ढांचे का प्रस्ताव करता है।
यह शोध पत्र अमेरिकी महत्वपूर्ण बुनियादी ढांचे में वास्तविक समय में साइबर हमले का पता लगाने और रोकथाम के लिए एक हाइब्रिड CNN-LSTM फ्रेमवर्क का प्रस्ताव करता है, जो CSE-CIC-IDS2018 डेटासेट का उपयोग करके पारंपरिक मशीन लर्निंग मॉडल के विरुद्ध एक तुलनात्मक मूल्यांकन के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।