3461 पेपर
यह शोध पत्र प्रदर्शित करता है कि एडवर्सरियल परटर्बेशन्स (adversarial perturbations) में एक अंतर्निहित लो-रैंक संरचना होती है और इस गुण का लाभ उठाकर एक अधिक कुशल और प्रभावी ब्लैक-बॉक्स अटैक पद्धति विकसित करने के लिए परटर्बेशन की खोज को एक लो-डायमेंशनल सबस्पेस तक सीमित करता है।
यह शोध पत्र SST-Guard को प्रस्तुत करता है, जो एक मल्टी-मोडल ब्राउज़र-आधारित प्रणाली है जो नेटवर्क अनुरोधों, कुकीज़ और विंडो ऑब्जेक्ट के माध्यम से डेटा संग्रह के सिमेंटिक आर्टिफैक्ट्स की पहचान करके सर्वर-साइड गूगल एनालिटिक्स का पता लगाती है और उसे ब्लॉक करती है, जिससे वेब ट्रैकिंग प्रथाओं में बदलाव के दौर में पारंपरिक एंडपॉइंट-ब्लॉकिंग विधियों की सीमाओं को दूर किया जा सके।
यह शोधपत्र छह संरचनात्मक बाधाओं के आधार पर क्रिप्टोग्राफिक बूलियन प्रणालियों के डिज़ाइन स्पेस को 64 विशिष्ट वास्तुशिल्प वर्गों में औपचारिक रूप देता है और विभेदक (डिफरेंशियल), रैखिक (लीनियर) और बीजगणितीय (एल्जेब्रिक) हमलों के प्रति उनके प्रतिरोध का व्यवस्थित रूप से मूल्यांकन करता है, जिससे यह प्रकट होता है कि इष्टतम सुरक्षा इन बाधाओं के विशिष्ट, विरल संयोजनों से उत्पन्न होती है।
यह शोध पत्र लोवाज़ स्वैप्स (Lovász swaps) को टी-ट्रांसफॉर्म्स (T-transforms) के रूप में अभिलक्षणित करने के लिए मेजरइज़ेशन थ्योरी (majorization theory) का उपयोग करता है जो ग्राम-श्मिट प्रोफाइल (Gram-Schmidt profile) को सुचारू बनाते हैं, जिससे वर्स्ट-केस जीएसए एनवेलप (worst-case GSA envelope) की एक वेरिएशनल व्याख्या प्राप्त होती है और विविध लैटिस संरचनाओं (lattice structures) में स्वैप दक्षता को अनुकूलित करने वाले एडेप्टिव डीप-इंसर्शन ह्यूरिस्टिक्स (adaptive deep-insertion heuristics) के विकास को सक्षम बनाया जा सके।
MASCing एक हल्का, रिट्रेनिंग-मुक्त ढांचा है जो विविध सुरक्षा परिदृश्यों के लिए Mixture-of-Experts (MoE) मॉडलों को कॉन्फ़िगर करता है, जिसमें रूटिंग गेट्स पर स्टीयरिंग मास्क को अनुकूलित करने के लिए एक LSTM-आधारित सरोगेट का उपयोग किया जाता है, जिससे सामान्य उपयोगिता से समझौता किए बिना विशिष्ट व्यवहारों के लक्षित संवर्धन या दमन को सक्षम बनाया जा सकता है।
ट्विनगेट (TwinGate) एक स्टेटफुल, लो-लेटेंसी डिफेंस फ्रेमवर्क है जो एसिमेट्रिक कॉन्ट्रास्टिव लर्निंग का उपयोग करके अनट्रेसेबल एलएलएम (LLM) ट्रैफिक में डिकंपोजिशनल जेलब्रेक्स का प्रभावी ढंग से पता लगाने के लिए दुर्भावनापूर्ण इरादे के अंशों को क्लस्टर करता है और फॉल्स पॉजिटिव्स को दबाता है, जो 3.6 मिलियन से अधिक निर्देशों के एक नए निर्मित बड़े पैमाने के डेटासेट पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र FlashRT प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो लॉन्ग-कॉन्टेक्स्ट लार्ज लैंग्वेज मॉडल्स के लिए ऑप्टिमाइज़ेशन-आधारित रेड-टीमिंग की कम्प्यूटेशनल और मेमोरी दक्षता को महत्वपूर्ण रूप से बढ़ाता है, जिससे प्रॉम्प्ट इंजेक्शन और नॉलेज करप्शन हमलों के विरुद्ध तेज़ और अधिक सुलभ सुरक्षा मूल्यांकन सक्षम होता है।
यह शोध पत्र यह सिद्ध करके कि -राउंड प्रोटोकॉल को खराब खिलाड़ियों के एक रैखिक अंश (linear fraction) को सहन करने के लिए कम से कम राउंड की आवश्यकता होती है और विरोधियों के प्रति लचीला पहला अनुकूल एक-राउंड रैंडम सिलेक्शन प्रोटोकॉल प्रस्तुत करके फुल-इन्फॉर्मेशन मॉडल में कॉइन फ्लिपिंग, लीडर इलेक्शन और रैंडम सिलेक्शन के लिए बेहतर सीमाएं स्थापित करता है।
यह शोध पत्र इंक्रीमेंटल कंप्लीशन डीकंपोजिशन (ICD) को प्रस्तुत करता है, जो एक नवीन जेलब्रेक रणनीति है जो LLM सुरक्षा तंत्रों को व्यवस्थित रूप से बायपास करने के लिए एकल-शब्द निरंतरता (single-word continuations) के माध्यम से हानिकारक सामग्री को उद्दीपित करती है, जिससे कई बेंचमार्क में बेहतर हमला सफलता दर प्राप्त होती है और यह प्रदर्शित होता है कि ऐसे प्रक्षेपवक्र (trajectories) इनकार-संबंधी न्यूरल रिप्रजेंटेशन को दबा देते हैं।
यह शोध पत्र यह प्रदर्शित करके वॉयनिच पांडुलिपि में करीयर के A/B भाषा विभाजन की वैधता का समर्थन करने वाले मात्रात्मक साक्ष्य प्रदान करता है कि एक बीटा-बाइनोमियल मिश्रण मॉडल पूर्व लेबल के बिना इस विभाजन को पुनः प्राप्त कर सकता है और एक पर्यवेक्षित क्लासिफायर (supervised classifier) 89.2% सटीकता के साथ फोलियो पहचान की भविष्यवाणी कर सकता है।