3461 पेपर
यह शोध पत्र ट्रेस ऑर्थोगोनैलिटी (trace orthogonality) के माध्यम से मॉड्यूल लैटिस को रैंक-1 सबमॉड्यूल्स में विघटित करके, CDPR लैटिस रिडक्शन एल्गोरिदम को आइडियल से मॉड्यूल लैटिस तक विस्तारित करता है, जिससे एक इष्टतम हर्मिट फैक्टर (Hermite factor) और CRT-स्केल्ड राउंडिंग तथा एक नई MILP-आधारित इष्टतम साइन चयन विधि के माध्यम से एक बाउंडेड-प्रिसिजन कार्यान्वयन प्राप्त होता है।
ProofLoop एक टूल-ऑगमेंटेड ReAct एजेंट है जो रिट्रीवल-ऑगमेंटेड डिज़ाइन कॉन्टेक्स्ट गैदरिंग को औपचारिक सत्यापन उपकरणों (formal verification tools) का उपयोग करके एक इटरेटिव, सॉल्वर-इन-द-लूप रिफाइनमेंट प्रक्रिया के साथ जोड़कर, प्राकृतिक भाषा से सिस्टमवेरिलॉग एसेर्शन्स (SVA) के जनरेशन को ऑटोमेट करता है।
AsmRAG एक मैलवेयर डिटेक्शन फ्रेमवर्क है जो फंक्शनली समान कोड स्निपेट्स को रिट्रीव करने के लिए असेंबली-लेवल रिट्रीवल-ऑगमेंटेड जनरेशन और एक डेंसिटी-वेटेड एंकर सिलेक्शन मैकेनिज्म का उपयोग करता है ताकि अत्यधिक सटीक, व्याख्यात्मक और ऑब्फस्केशन-प्रतिरोधी फोरेंसिक विश्लेषण प्रदान किया जा सके।
यह शोध पत्र इस बात का विश्लेषण करता है कि एक वित्तीय-प्रौद्योगिकी संगठन आठ मुख्य सुरक्षा प्रक्रियाओं का परीक्षण करके और सीआईए (CIA) ट्रायड तथा एकीकृत जोखिम प्रबंधन के दृष्टिकोण से उनकी प्रभावशीलता का मूल्यांकन करके ISO/IEC 27001:2022 मानक को कैसे कार्यान्वित करता है।
यह शोध पत्र **TraceGuard** का प्रस्ताव करता है, जो एक ब्लैक-बॉक्स एंटी-डिस्टिलेशन विधि है जो शिक्षक और छात्र मॉडलों के बीच की अंतःक्रिया को स्टैकेलबर्ग गेम (Stackelberg game) के रूप में मानता है ताकि ग्रेडिएंट एक्सेस की आवश्यकता के बिना या शिक्षक के प्रदर्शन से समझौता किए बिना, रीजनिंग ट्रेसेस (reasoning traces) को पॉइजन करके फ्रंटियर मॉडल्स को क्षमता के दुरुपयोग से सुरक्षित रखा जा सके।
PrivacyAssist एक मल्टी-एजेंट LLM-आधारित फ्रेमवर्क है जो रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) का उपयोग करता है ताकि एंड्रॉइड ऐप्स द्वारा अनुरोधित अनुमतियों और उनके घोषित डेटा प्रथाओं के बीच विसंगतियों का पता लगाया जा सके और उन्हें समझाया जा सके, जिससे उपयोगकर्ताओं को सूचित गोपनीयता निर्णय लेने में मदद मिल सके।
यह शोध पत्र तर्क देता है कि वर्तमान पहचान ढांचे स्वायत्त एआई एजेंटों के लिए मौलिक रूप से अपर्याप्त हैं और उन महत्वपूर्ण संरचनात्मक अंतरालों को संबोधित करने के लिए आधारभूत अनुसंधान का आह्वान करता है कि कैसे इन गैर-मानवीय संस्थाओं को संगठनात्मक सीमाओं के पार पहचाना, सत्यापित और जवाबदेह ठहराया जाता है।
यह शोध पत्र ब्रांच लैंडिंग (BRL) का प्रस्ताव करता है, जो एक RISC-V हार्डवेयर-सहायता प्राप्त CFI फ्रेमवर्क है जो फॉरवर्ड-एज कंट्रोल फ्लो सुरक्षा के लिए स्केलेबल, कम-ओवरहेड सोर्स ऑथोराइजेशन प्रदान करने हेतु ब्लूम फ़िल्टर-आधारित मेंबरशिप क्वेरीज़ और हल्के ISA एक्सटेंशन का उपयोग करता है।
यह अध्ययन नेटवर्क ट्रैफ़िक के भीतर क्लास असंतुलन को कम करने और विसंगति का पता लगाने की सटीकता में सुधार करने के लिए SMOTE के साथ मशीन लर्निंग क्लासिफायर (SVM, रैंडम फ़ॉरेस्ट और डिसीजन ट्री) का उपयोग करके ज़ीरो ट्रस्ट IoT वातावरण में साइबर सुरक्षा लचीलेपन को बढ़ाने की जांच करता है।
यह शोध पत्र डायनेमिक शार्डेड फेडरेटेड लर्निंग (DSFL) का प्रस्ताव करता है, जो एक स्केलेबल और सत्यापन योग्य ढांचा है जो डायनेमिक स्टोकेस्टिक शार्डिंग और लीनियर इंटीग्रिटी टैग्स का उपयोग करता है ताकि वित्तीय संस्थानों के बीच कुशल, गोपनीयता-संरक्षित और सुदृढ़ सहयोगात्मक धोखाधड़ी का पता लगाने में सक्षम बनाया जा सके, जबकि मौजूदा तरीकों की तुलना में कम्प्यूटेशनल ओवरहेड को काफी कम किया जा सके।