cs.CR

Talk is (Not) Cheap: A Taxonomy and Benchmark Coverage Audit for LLM Attacks

यह शोध पत्र 932 सुरक्षा अध्येशनों से व्युत्पन्न एक व्यापक 4×6 लक्ष्य × तकनीक (Target × Technique) वर्गीकरण और बेंचमार्क कवरेज ऑडिट फ्रेमवर्क प्रस्तुत करता है, जो यह प्रकट करता है कि वर्तमान LLM अटैक बेंचमार्क सामूहिक रूप से अधिकतम 25% खतरे की सतह को कवर करते हैं और महत्वपूर्ण मूल्यांकन अंतराल एवं नामकरण विखंडन से ग्रस्त हैं।

MetaBackdoor: Exploiting Positional Encoding as a Backdoor Attack Surface in LLMs

यह शोधपत्र MetaBackdoor को प्रस्तुत करता है, जो बड़े भाषा मॉडलों (large language models) पर एक नवीन बैकडोर हमला है जो इनपुट टेक्स्ट की अर्थ संबंधी सामग्री (semantic content) में किसी भी संशोधन की आवश्यकता के बिना, सिस्टम प्रॉम्प्ट्स को लीक करने या टूल कॉल्स को प्रेरित करने जैसे दुर्भावनापूर्ण व्यवहारों को सक्रिय करने के लिए पोजीशनल एनकोडिंग (positional encoding) का उपयोग एक ट्रिगर के रूप में करता है।

Accurate and Scalable Detection and Investigation of Cyber Persistence Threats

यह शोध पत्र साइबर पर्सिस्टेंस डिटेक्टर (CPD) प्रस्तुत करता है, जो एक नवीन प्रणाली है जो परसिस्टेंस सेटअप और निष्पादन चरणों को कारणिक रूप से जोड़ने के लिए सूडो-डिपेंडेंसी (pseudo-dependency) और विशेषज्ञ-निर्देशित किनारों (expert-guided edges) के साथ प्रोवेनेंस एनालिटिक्स का लाभ उठाती है, जिससे अत्याधुनिक विधियों की तुलना में फाल्स पॉजिटिव्स को 93% तक कम करते हुए एडवांस्ड पर्सिस्टेंट थ्रेट्स (APTs) का सटीक और स्केलेबल पता लगाना संभव होता है।

Convergent Differential Privacy Analysis for General Federated Learning

यह शोध पत्र $f$-DP विश्लेषण और शिफ्टेड इंटरपोलेशन तकनीकों का उपयोग करके फेडरेटेड लर्निंग विद डिफरेंशियल प्राइवेसी (Federated Learning with Differential Privacy) में मौजूदा ढीले और विचलित प्राइवेसी बाउंड्स की सीमाओं को संबोधित करता है, जिससे यह सिद्ध होता है कि Noisy-FedAvg एक टाइट कन्वर्जेंट प्राइवेसी बाउंड प्राप्त करता है जबकि Noisy-FedProx एक स्थिर कॉन्स्टेंट लोअर बाउंड बनाए रखता है, जिससे दीर्घकालिक FL-DP प्रशिक्षण की विश्वसनीयता के लिए एक ठोस सैद्धांतिक आधार स्थापित होता है।

AdeptHEQ-FL: Adaptive Homomorphic Encryption for Federated Learning of Hybrid Classical-Quantum Models with Dynamic Layer Sparing

AdeptHEQ-FL एक एकीकृत हाइब्रिड क्लासिकल-क्वांटम फेडरेटेड लर्निंग फ्रेमवर्क है जो गैर-IID विकेंद्रीकृत वातावरणों में मॉडल प्रदर्शन को बढ़ाने, औपचारिक गोपनीयता गारंटी सुनिश्चित करने और संचार ओवरहेड को कम करने के लिए एडेप्टिव होमोमोर्फिक एन्क्रिप्शन, डायनेमिक लेयर स्पैरिंग और एक्यूरेसी-वेटेड एग्रीगेशन को समाहित करता है।

Exact Verification of Graph Neural Networks with Incremental Constraint Solving

यह शोध पत्र GNNev को प्रस्तुत करता है, जो एक सटीक सत्यापन उपकरण (exact verification tool) है जो संरचनात्मक और विशेषता संबंधी परिवर्तनों (structural and attribute perturbations) के विरुद्ध मैसेज-पासिंग ग्राफ न्यूरल नेटवर्क के लिए साउंड और कंप्लीट रोबस्टनेस गारंटी प्रदान करने हेतु इंक्रीमेंटल कंस्ट्रेंट सॉल्विंग का उपयोग करता है, जो सम (sum), मैक्स (max) और मीन (mean) एग्रीगेशन फंक्शनों के समर्थन का विस्तार करता है और वास्तविक दुनिया के डेटासेट पर प्रदर्शित प्रभावशीलता को दर्शाता है।

Quantitative Certification of Agentic Tool Selection

यह शोध पत्र LLMCert-T प्रस्तुत करता है, जो एक सांख्यिकीय ढांचा है जो यथार्थवादी, तीसरे पक्ष द्वारा प्रभावित टूल वितरणों के तहत LLM एजेंट टूल चयन की सुरक्षा पर उच्च-विश्वास वाले ऊपरी बाउंड्स (upper bounds) प्रदान करता है, जिससे यह पता चलता है कि वर्तमान एजेंट मानक बेंचमार्क के सुझाव की तुलना में खुले वातावरण में काफी अधिक नाजुक हैं।

Local Information-Theoretic Security via Euclidean Geometry

यह शोध पत्र एक यूक्लिडियन सूचना सिद्धांत ढांचे का प्रस्ताव करता है जो वायरटैप चैनलों पर सुरक्षित संचार के गैर-उत्तल (non-convex) अनुकूलन को एक सुलभ द्विघात प्रोग्राम (quadratic program) में परिवर्तित करता है, जिससे एक विश्लेषणात्मक स्थानीय गोपनीयता क्षमता सूत्र और सामान्यीकृत आइजनमानों (generalized eigenvalues) द्वारा अभिलक्षित नए गुप्त स्थानीय संकुचन गुणांकों की व्युत्पत्ति संभव होती है।

Differentially Private Nonparametric Confidence Intervals Under Minimal Distributional Assumptions

Sockpuppetting: Jailbreaking LLMs by Combining Prefilling with Optimization

यह शोध पत्र यह प्रदर्शित करके LLM जेलब्रेकिंग को उन्नत करता है कि सरल प्रीफिल वेरिएंट्स का एंसेम्बलिंग (ensembling) हमले की सफलता दर को महत्वपूर्ण रूप से बढ़ाता है और "सॉकपपेटिंग" (sockpuppetting) को पेश करता है, जो एक नवीन हाइब्रिड विधि है जो बेहतर प्रॉम्प्ट-अज्ञेय प्रदर्शन प्राप्त करने के लिए असिस्टेंट मैसेज ब्लॉक के भीतर एडवरसेरियल सफिक्स (adversarial suffixes) को अनुकूलित करती है।