3428 पेपर
यह शोध पत्र इस बात की जांच करता है कि कैसे एआई-संचालित अनुकूलनशील विरोधी (AI-driven adaptive adversaries), कार्यान्वयन-स्तरीय अवलोकनीयताओं (implementation-level observabilities) का लाभ उठाकर पब्लिक की क्रिप्टोग्राफी को कमजोर कर रहे हैं, जिससे पारंपरिक एल्गोरिदम-केंद्रित सुरक्षा मॉडलों और आधुनिक परिचालन हमले की वास्तविकताओं के बीच एक महत्वपूर्ण विसंगति उजागर होती है।
यह शोध पत्र "एलिप्सॉइड कंट्रोल" (Ellipsoid Control) का प्रस्ताव करता है, जो एक व्हाइट-लिस्ट जेलब्रेक रक्षा (white-list jailbreak defense) है जो प्रचुर मात्रा में निर्दोष डेटा से फिट किए गए एक अनिसोट्रोपिक एलिप्सॉइड (anisotropic ellipsoid) का उपयोग करके टेस्ट-टाइम प्रोजेक्टेड ग्रेडिएंट डिसेंट (test-time projected gradient descent) को सीमित करता है, जिससे अपूर्ण ब्लैक-लिस्ट पर्यवेक्षण पर निर्भर रहे बिना हानिकारक इनपुट पर इनकार (refusal) उत्पन्न किया जाता है और निर्दोष कार्यों पर मॉडल की उपयोगिता को संरक्षित किया जाता है।
यह शोध पत्र तर्क देता है कि साइबर सुरक्षा पर एलएलएम (LLM) का प्राथमिक प्रभाव केवल ज़ीरो-डे खोजों में वृद्धि नहीं है, बल्कि "बगोनॉमिक्स" (bugonomics) में एक मौलिक बदलाव है जहाँ बाधा कम लागत वाली, उच्च-मात्रा वाली रिपोर्टों की निगरानी करने के बजाय, उनके परिणामस्वरूप होने वाली प्रचुरता को मान्य करने, छँटनी करने और सुधारने की रक्षक की क्षमता की ओर स्थानांतरित हो जाती है।
यह शोध पत्र CALIBURN को प्रस्तुत करता है, जो एक ऑपरेशनली कैलिब्रेटेड स्ट्रीमिंग इंट्रूज़न डिटेक्शन पाइपलाइन है जो लागत और बजट बाधाओं के माध्यम से प्री-डिप्लॉयमेंट अलर्टिंग कॉन्फ़िगरेशन को सक्षम बनाता है, जो दुर्लभ-हमले वाले परिदृश्यों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है और विभिन्न हमले की व्यापकता स्तरों पर स्ट्रीमिंग विधियों की संवेदनशीलता के बारे में महत्वपूर्ण अंतर्दृष्टि प्रदान करता है।
रिफ्लेक्ट-गार्ड (Reflect-Guard), लॉजिकल सेल्फ-रिफ्लेक्शन (तार्किक आत्म-चिंतन) क्षमताओं को स्थापित करने के लिए पैरामीटर-एफिशिएंट फाइन-ट्यूनिंग का उपयोग करके, एडवरसैरियल जेलब्रेक हमलों के विरुद्ध लामा गार्ड (Llama Guard) जैसे एलएलएम (LLM) सुरक्षा क्लासिफायर को बेहतर बनाता है, जिससे चुनौतीपूर्ण बेंचमार्क पर डिटेक्शन सटीकता में उल्लेखनीय सुधार होता है और अटैक सक्सेस रेट में कमी आती है।
यह शोध पत्र SEED का प्रस्ताव करता है, जो एक अर्ध-पर्यवेक्षित निरंतर शिक्षण (semi-supervised continual learning) ढांचा है जो सीमित लेबल वाले डेटा के साथ कॉन्सेप्ट ड्रिफ्ट के तहत प्रभावी ढंग से मैलवेयर का पता लगाने के लिए सक्रिय शिक्षण (active learning) और सिंगुलर वैल्यू डिकंपोजिशन के साथ एक अनुकूलित बाइनरी क्रॉस-एन्ट्रॉपी उद्देश्य को जोड़ता है, जो कमजोर सिमेंटिक संरचना वाले डेटासेट पर मौजूदा पदानुक्रमित कंट्रास्टिव लर्निंग (hierarchical contrastive learning) विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र "मेमोरी-इंड्यूस्ड टूल-ड्रिफ्ट" (स्मृति-प्रेरित उपकरण-विचलन) की पहचान और बेंचमार्किंग करता है, जो एक व्यवस्थित भेद्यता है जहाँ एलएलएम (LLM) एजेंट की दीर्घकालिक स्मृति में संग्रहीत व्यक्तित्व-संचालित पूर्वाग्रह विभिन्न डोमेन में टूल-कॉल मापदंडों को चुपचाप विकृत कर देते हैं, एक ऐसी घटना जो वर्तमान मेमोरी आर्किटेक्चर और मानक सुरक्षा उपायों के बावजूद बनी रहती है।
QML-PipeGuard एक अनुबंध-आधारित ढांचा है जो व्यवहार संबंधी फिंगरप्रिंटिंग का उपयोग करके तैनात क्वांटम मशीन लर्निंग पाइपलाइनों की अखंडता सुनिश्चित करता है, जिससे एक गणितीय रूप से कठोर, सूचनात्मक रूप से पूर्ण अवलोकन योग्य अनुबंध के माध्यम से सौम्य हार्डवेयर ड्रिफ्ट और दुर्भावनापूर्ण चैनल प्रतिस्थापन के बीच एक साथ अंतर किया जा सके।
यह अध्ययन प्रदर्शित करता है कि ब्राज़ीलियाई ई-वोटिंग मशीन का इंटरफ़ेस, जब सार्वजनिक रूप से उपलब्ध विशिष्टताओं का उपयोग करके उत्करणीय (emulated) किया जाता है, तो टेम्पेस्ट (TEMTEMPEST) हमलों के माध्यम से एक अत्यधिक विशिष्ट और पता लगाने योग्य विद्युत चुम्बकीय स्पेक्ट्रल सिग्नेचर उत्पन्न करता है, जो वास्तविक हार्डवेयर परीक्षण की अनुपस्थिति के बावजूद महत्वपूर्ण सुरक्षा संबंधी चिंताएं पैदा करता है।
यह शोधपत्र सेंटिनल (Sentinel) को प्रस्तुत करता है, जो एक नवीन प्रॉक्सी-आधारित ढांचा है जो मेजर रीएंट्रेंसी हमलों (रीड-ओनली वेरिएंट सहित) के विरुद्ध 100% कवरेज प्राप्त करने के लिए स्मार्ट कॉन्ट्रैक्ट लॉजिक से रीएंट्रेंसी सुरक्षा को अलग करता है, जो एक ड्यूल-मोड सुरक्षा प्रणाली के साथ प्रॉक्सी लेयर पर कॉल्स को इंटरसेप्ट करता है।