3428 पेपर
यह शोध पत्र Cert-LAS प्रस्तुत करता है, जो टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स के लिए पहला प्रमाणित स्वामित्व सत्यापन विधि है जो दुर्भावनापूर्ण निष्कासन हमलों के तहत भी विश्वसनीय वॉटरमार्क डिटेक्शन सुनिश्चित करने के लिए लेयर-एडेप्टिव स्मूथिंग का उपयोग करता है।
यह शोधपत्र Honeyval को प्रस्तुत करता है, जो LLM-संचालित HTTP हनीपॉट्स के लिए एक व्यापक मूल्यांकन ढांचा है जो AI हैकिंग एजेंटों और विविध बैकएंड अनुप्रयोगों का उपयोग करके स्केलेबल और पुनरुत्पादक परीक्षण की कमी को संबोधित करता है, और अंततः यह प्रदर्शित करता है कि LLM-आधारित हनीपॉट्स नियम-आधारित बेसलाइन की तुलना में काफी लंबे हमलावर इंटरैक्शन और कम डिटेक्शन दर प्रदान करते हैं जबकि लागत दक्षता बनाए रखते हैं।
यह शोध पत्र प्रकट करता है कि विशिष्ट इन्फरेंस सिस्टम घटकों (जैसे कि इंजन, बैकएंड और हार्डवेयर) के कारण होने वाले सूक्ष्म संख्यात्मक विचलन एलएलएम (LLM) आउटपुट तक प्रसारित होते हैं, जो इन अंतर्निहित प्रणालियों की विश्वसनीय रूप से पहचान करने के लिए एक नई फिंगरप्रिंटिंग पद्धति को सक्षम करते हैं और यह प्रदर्शित करते हैं कि इस तरह की पहचान को पूरी तरह से रोकना मौलिक रूप से कठिन है।
यह अध्ययन एलएलएम (LLM) पेनिट्रेशन टेस्टिंग निरंतरता का पहला बड़े पैमाने पर अनुभवजन्य विश्लेषण प्रस्तुत करता है, जो यह प्रकट करता है कि एक निश्चित असुरक्षित लक्ष्य के विरुद्ध 400 बार किए गए परीक्षणों के दौरान चार मॉडलों ने स्वायत्त हमले की सफलता दर (25% से 85% तक) में सांख्यिकीय रूप से महत्वपूर्ण अंतर और विशिष्ट विफलता मोड प्रदर्शित किए।
यह शोधपत्र एक चार-चरणीय प्रोटोकॉल प्रस्तावित करता है जो वायरलेस चैनलों पर xMK-CKKS मल्टी-की होमोमॉर्फिक एन्क्रिप्शन स्कीम का लाभ उठाकर सुरक्षित, चैनल-अनुमान-मुक्त एकत्रीकरण के साथ अभिसरण दरों (convergence rates) के माध्यम से गोपनीयता-वर्धित ज़ीरो-ऑर्डर फेडरेटेड लर्निंग को सक्षम बनाता है, तब भी जब सर्वर क्लाइंट्स तक के साथ मिलीभगत करता है।
यह शोध पत्र स्पार्स ऑटोएनकोडर्स (sparse autoencoders) का उपयोग करते हुए एक बायोसिक्योरिटी ऑडिटिंग फ्रेमवर्क प्रस्तुत करता है जो यह प्रकट करता है कि भाषा मॉडल वास्तविक खतरे का पता लगाने के बजाय कानूनी और सांस्कृतिक कारकों से प्रेरित होकर असंगत और अक्सर सतही इनकार व्यवहार (refusal behaviors) प्रदर्शित करते हैं, जबकि यह भी प्रदर्शित करता है कि आंतरिक सक्रियण-स्तर (activation-level) विश्लेषण उन विफलता मोडों को उजागर कर सकता है जो मानक व्यवहार संबंधी मूल्यांकनों में अदृश्य होते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि LoRA एडेप्टर को डेटा पॉइजनिंग के माध्यम से प्रभावी ढंग से बैकडोर किया जा सकता है ताकि टोकन-स्तरीय सामान्यीकरण हमलों (token-level generalization attacks) को बनाया जा सके जो संरचनात्मक पहचान से बच सकें, जबकि आपूर्ति श्रृंखलाओं में ऐसे समझौता किए गए एडेप्टर की पहचान करने के लिए मजबूत व्यवहारिक और भार-स्तरीय (weight-level) पहचान विधियों का प्रस्ताव करता है।
यह शोध पत्र लाइटपीएचई (LightPHE) को प्रस्तुत करता है, जो आंशिक रूप से होमोमोर्फिक एन्क्रिप्शन (partially homomorphic encryption) के लिए एक हल्का और विस्तार योग्य पायथन फ्रेमवर्क है, और गूगल कोलैब (Google Colab) तथा माइक्रोसॉफ्ट अज़्योर (Microsoft Azure) पर व्यापक बेंचमार्किंग के माध्यम से विविध क्लाउड वातावरणों में इसके उत्कृष्ट प्रदर्शन और स्केलेबिलिटी को प्रमाणित करता है।
यह शोध पत्र MM-PoisonRAG को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो यह प्रदर्शित करता है कि मल्टीमॉडल रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम लक्षित स्थानीय पॉइजनिंग (targeted local poisoning) और व्यापक वैश्विक पॉइजनिंग (broad global poisoning) दोनों प्रकार के हमलों के प्रति अत्यधिक संवेदनशील हैं, जो मॉडल की सटीकता को गंभीर रूप से कम कर सकते हैं और मौजूदा सुरक्षा प्रणालियों को बायपास कर सकते हैं।
यह शोध पत्र डीप लर्निंग-आधारित आरएफ फिंगरप्रिंटिंग प्रणालियों में महत्वपूर्ण सुरक्षा कमजोरियों को उजागर करता है, जो व्यापक वास्तविक दुनिया के प्रयोगों के माध्यम से यह प्रदर्शित करता है कि डोमेन शिफ्ट निरंतर गलत वर्गीकरण का कारण बनते हैं जिन्हें बैकडोर्स के रूप में भुनाया जा सकता है और कच्चे संकेतों (raw signals) पर प्रशिक्षण हार्डवेयर फिंगरप्रिंट्स को पर्यावरणीय विशेषताओं के साथ उलझा देता है, जिससे ऐसे हमले के वेक्टर बनते हैं जिन्हें पोस्ट-प्रोसेसिंग विधियों द्वारा कम नहीं किया जा सकता है।