3307 पेपर
यह शोध पत्र प्रदर्शित करता है कि CoW प्रोटोकॉल द्वारा सॉल्वर पुरस्कारों को एक निश्चित कैप से राजस्व-लिंक्ड मॉडल में बदलने और एक एड-वैलोरम शुल्क को जोड़ने के 2025 के सुधार ने, औसत निष्पादन गुणवत्ता से समझौता किए बिना, बड़े ऑर्डर्स की ओर ट्रेडिंग वैल्यू को सफलतापूर्वक पुनर्वितरित किया और इन्वेंट्री-समृद्ध सॉल्वर्स के बीच बाजार एकाग्रता को बढ़ाया है।
KaPilot एक मल्टी-एजेंट फ्रेमवर्क है जो अनसेफ रस्ट (unsafe Rust) कोड में मेमोरी सेफ्टी को सत्यापित करने के लिए कानी (Kani) स्पेसिफिकेशन को स्वचालित रूप से उत्पन्न करने और पुनरावृत्ति से परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो AutoSpec जैसे मौजूदा टूल्स की तुलना में काफी उच्च सफलता दर और स्पेसिफिकेशन गुणवत्ता प्राप्त करता है।
यह शोध पत्र हनीपॉट प्लेसमेंट, गतिशील डेकॉय परिनियोजन (dynamic decoy deployment), और अनुकूलन योग्य, एडमिन-इन-द-लूप सुधार प्राथमिकता के लिए रणनीतियों को पेश करके एक्टिव डायरेक्टरी सुरक्षा सुदृढ़ीकरण की गतिशील प्रकृति, सीमित सक्रिय रक्षा तंत्र और व्यावहारिक कार्यान्वयन बाधाओं को संबोधित करने के लिए गेम-थ्योरेटिक और अनुकूलन-आधारित मॉडलों की एक श्रृंखला प्रस्तावित करता है।
यह शोध पत्र तर्क देता है कि एजेंट सुरक्षा मौलिक रूप से एक विषय-आधारित (content-based) समस्या के बजाय एक प्रासंगिक (contextual) समस्या है, जो वर्तमान विषय-केंद्रित सुरक्षा उपायों और बेंचमार्क की संरचनात्मक सीमाओं को संबोधित करने के लिए स्रोत प्राधिकरण (Source Authorization), कार्य संरेखण (Task Alignment), क्रिया संरेखण (Action Alignment) और डेटा अलगाव (Data Isolation) द्वारा परिभाषित एक समग्र ढांचे का प्रस्ताव करता है।
तर्कसंगत संख्या-सिद्धांत संबंधी अनुमानों को मानते हुए, यह शोध पत्र समान संचार जटिलता (communication complexity) के लिए पिछले अत्याधुनिक निर्माणों की तुलना में घातांकीय रूप से कम सर्वरों के साथ एक -सर्वर निजी सूचना पुनर्प्राप्ति (private information retrieval) प्रोटोकॉल प्रस्तुत करता है, जिसे मिलान वेक्टर ढांचे (matching vector framework) के भीतर न्यूनतम विरल -डिकोडिंग बहुपदों का निर्माण करके प्राप्त किया गया है।
PoCEvolve एक भेद्यता-जागरूक (vulnerability-aware) प्रॉम्प्ट-इवोल्यूशन फ्रेमवर्क है जो सुरक्षा पैच से सीधे प्रूफ-ऑफ-कॉन्सेप्ट एक्सप्लॉइट्स उत्पन्न करता है, जो अनुमानित भेद्यता संदर्भ के आधार पर प्रॉम्प्ट्स को पुनरावृत्ति (iteratively) के माध्यम से परिष्कृत करता है, और उन परिदृश्यों में मौजूदा तरीकों की तुलना में काफी बेहतर प्रदर्शन करता है जहाँ विस्तृत भेद्यता रिपोर्ट उपलब्ध नहीं होती हैं।
HarnessLLM एक स्वचालित फ्रेमवर्क है जो मौजूदा टेस्ट सूट्स से रस्ट (Rust) वेरिफिकेशन हार्नेस उत्पन्न करने और उन्हें पुनरावृत्ति से परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो पिछले दृष्टिकोणों की तुलना में काफी अधिक सटीकता और दक्षता के साथ वास्तविक दुनिया के मेमोरी सेफ्टी बग्स का सफलतापूर्वक पता लगाता है।
यह शोध पत्र एक उच्च-एन्ट्रॉपी विभेदक गोपनीयता (high-entropy differential privacy) कार्यान्वयन का प्रस्ताव करता है जो अनिवार्य रैखिक एकत्रीकरण अपरिवर्तों (जैसे कि अवस्था कुल) को लगभग निश्चितता के साथ संतुष्ट करता है, जबकि नई गोपनीयता गारंटी प्राप्त करता है और सहसंबंध मैट्रिसेस (correlation matrices) के नल स्पेस (null space) के संबंध में सैद्धांतिक प्रश्नों का समाधान करता है।
यह शोध पत्र TAC प्रस्तुत करता है, जो AWS के लिए एक नवीन हाइब्रिड IAM प्रिविलेज एस्केलेशन डिटेक्शन फ्रेमवर्क है, जो ग्राहक गोपनीयता संबंधी बाधाओं का सम्मान करते हुए अनुमति प्रवाह-आधारित (permission flow-based) हमलों की पहचान करने के लिए एक व्यापक व्हाइटबॉक्स डिटेक्टर को एक अभिनव, सुदृढीकरण-शिक्षण-संचालित (reinforcement-learning-driven) ग्रेबॉक्स दृष्टिकोण के साथ जोड़ता है।
फ़ासाड (Facade) एक उच्च-परिशुद्धता, स्व-पर्यवेक्षित डीप लर्निंग सिस्टम है जिसे 2018 से गूगल में तैनात किया गया है, जो बड़े पैमाने के कॉर्पोरेट वातावरण के अनुकूल असाधारण रूप से कम फॉल्स-पॉजिटिव दर के साथ इनसाइडर खतरों का पता लगाने के लिए सौहार्दपूर्ण गतिविधि पर मल्टी-मोडल कॉन्टेक्स्टुअल विश्लेषण और कंट्रास्टिव लर्निंग का उपयोग करता है।