3294 पेपर
यह शोध पत्र स्पाइकिंग न्यूरल नेटवर्क (SNNs) पर पहले क्लीन-लेबल बैकडोर हमले को प्रस्तुत करता है जो लक्षित-वर्ग इवेंट स्ट्रीम्स पर फिक्स्ड टाइमस्टैम्प ट्रांसफॉर्मेशन लागू करके पूर्ण आक्रमण सफलता दर प्राप्त करता है, जिससे मौजूदा रेट-कोलैप्स्ड डिफेन्सेस की सीमाओं को उजागर किया जाता है और संरक्षित इवेंट काउंट के माध्यम से हमले की गोपनीयता को प्रदर्शित किया जाता है।
यह शोध पत्र प्रदर्शित करता है कि सरल, मॉडल-अज्ञेय (model-agnostic) इमेज ट्रांसफॉर्मेशन प्रभावी रूप से तीन प्रमुख वाणिज्यिक एआई-आधारित कंटेंट मॉडरेशन सेवाओं को बायपास कर सकते हैं, जो यह सिद्ध करता है कि केवल फाउंडेशन-मॉडल एपीआई (foundation-model APIs) पर स्थानांतरित होना मजबूत सुरक्षा की गारंटी नहीं देता है और इसके लिए एक बहुस्तरीय मॉडरेशन दृष्टिकोण की आवश्यकता है।
यह सर्वेक्षण पत्र वर्ल्ड-मॉडल-आधारित एम्बोडीड एआई (embodied AI) के लिए सुरक्षा खतरों, रक्षाओं और मूल्यांकन प्रोटोकॉल के एक व्यापक जीवनचक्र वर्गीकरण को प्रस्तुत करता है, जो इस बात पर प्रकाश डालता है कि कैसे डेटा से लेकर भौतिक निष्पादन तक पूरे सिस्टम पाइपलाइन में होने वाले हमले भविष्य कहने वाली क्षमताओं को भ्रष्ट कर सकते हैं और सुरक्षा के भ्रम पैदा कर सकते हैं, साथ ही वर्ल्ड मॉडल्स की हमले के वाहक (attack vectors) और रनटाइम सुरक्षा कवच (safety shields) दोनों के रूप में दोहरी क्षमता का भी अन्वेषण करता है।
यह शोध पत्र एक लघु एवं मध्यम उद्यम परिवेश में GenAI-जागरूक थ्रेट मॉडलिंग विधियों के एक अन्वेषणात्मक मूल्यांकन को प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ मौजूदा तकनीकें विभिन्न खतरों की पहचान करती हैं, वहीं उनमें वर्तमान में सॉफ्टवेयर आपूर्ति श्रृंखलाओं और मानव-केंद्रित सुरक्षा से संबंधित GenAI-विशिष्ट जोखिमों के लिए पर्याप्त समर्थन का अभाव है, साथ ही उपयोगिता और वर्कफ़्लो एकीकरण में उल्लेखनीय चुनौतियाँ भी मौजूद हैं।
यह शोध पत्र विभेदक रूप से निजी (differentially private) क्रमपरिवर्तन परीक्षणों (permutation tests) के लिए एक कठोर ढांचे को प्रस्तुत करता है जो शास्त्रीय विधियों को निजी परिवेशों तक विस्तारित करता है और साथ ही परिमित-नमूना वैधता (finite-sample validity) बनाए रखते हुए मिनिमैक्स इष्टतम शक्ति (minimax optimal power) प्राप्त करता है, विशेष रूप से दो-नमूना और स्वतंत्रता परीक्षण के लिए dpMMD और dpHSIC कर्नेल-आधारित परीक्षणों के विकास के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र तर्क देता है कि अमेज़न की 'साइडवॉक' सेवा एक "PET विरोधाभास" का उदाहरण है जहाँ गोपनीयता बढ़ाने वाली प्रौद्योगिकियाँ (Privacy Enhancing Technologies), जो प्रत्यक्ष रूप से उपयोगकर्ता की गोपनीयता की रक्षा करती हैं, वास्तव में उपभोक्ता उपकरणों को उसके क्लाउड इकोसिस्टम के लिए एक क्राउडसोर्स्ड गेटवे में बदलकर और IoT निर्माताओं को अपने संचालन को अमेज़न के तकनीकी मानकों के अनुरूप ढालने के लिए मजबूर करके अमेज़न की ढांचागत शक्ति को सुदृढ़ करती हैं।
FPEdit एक नवीन ढांचा है जो स्थानीयकृत पैरामीटर संपादन के माध्यम से अर्थपूर्ण रूप से सुसंगत प्राकृतिक भाषा हस्ताक्षरों को इंजेक्ट करके बड़े भाषा मॉडलों को मजबूती से फिंगरप्रिंट करता है, जिससे मॉडल की उपयोगिता को बनाए रखते हुए और अदृश्य रहते हुए फाइन-ट्यूनिंग और प्रूनिंग के विरुद्ध उच्च प्रतिधारण दर प्राप्त होती है।
यह शोध पत्र जेनेरेटिव क्लीन-इमेज बैकडोर्स (GCB) को प्रस्तुत करता है, जो प्राकृतिक रूप से उत्पन्न होने वाली छवि विशेषताओं को ट्रिगर्स के रूप में पहचानने के लिए कंडीशनल इन्फोगन (conditional InfoGAN) का लाभ उठाता है, जिससे विविध डेटासेट और कार्यों में न्यूनतम क्लीन एक्यूरेसी (clean accuracy) क्षरण के साथ अत्यधिक गुप्त बैकडोर हमलों को सक्षम बनाया जा सके।
यह शोध पत्र क्वांटम कंप्यूटिंग में उपयोग किए जाने वाले मशीन लर्निंग मॉडलों पर भौतिक दोष इंजेक्शन (physical fault injection) हमलों का पहला विश्लेषण प्रस्तुत करता है, जो यह प्रदर्शित करता है कि वोल्टेज ग्लिच रैंडम नॉइज़ के बजाय संरचित बिट-स्तरीय भ्रष्टाचार (structured bit-level corruption) को प्रेरित करके रीडआउट एरर करेक्शन और क्वांटम एरर डिकोडिंग की सटीकता को महत्वपूर्ण रूप से कम कर सकते हैं।
यह शोध पत्र DP-MGTD का प्रस्ताव करता है, जो एक गोपनीयता-संरक्षण ढांचा है जो अनुकूली विभेदक रूप से निजी इकाई स्वच्छता (adaptive differentially private entity sanitization) का उपयोग करता है ताकि न केवल उपयोगकर्ता डेटा की सुरक्षा की जा सके, बल्कि शोर के प्रति विशिष्ट संवेदनशीलता पैटर्न का लाभ उठाकर मशीन-जनित पाठ पहचान की सटीकता को अप्रत्याशित रूप से बढ़ाया जा सके।