3510 पेपर
यह शोध पत्र ExAI5G का प्रस्ताव करता है, जो एक तर्क-आधारित व्याख्यात्मक एआई (explainable AI) ढांचा है जो 5G घुसपैठ का पता लगाने के लिए इंटीग्रेटेड ग्रेडिएंट्स और सरोगेट डिसीजन ट्री के साथ एक ट्रांसफॉर्मर-आधारित IDS को जोड़ता है ताकि 99.9% सटीकता और 99.7% फिडेलिटी प्राप्त की जा सके और LLMs के माध्यम से पारदर्शी, कार्रवाई योग्य और निष्ठावान स्पष्टीकरण प्रदान किया जा सके।
यह शोध पत्र प्रॉम्प्ट इंजेक्शन के लिए सात क्रॉस-डोमेन डिटेक्शन तकनीकों का प्रस्ताव और मूल्यांकन करता है—जो बायोइन्फॉर्मेटिक्स, इकोनॉमिक्स और कंपाइलर थ्योरी जैसे क्षेत्रों से ली गई हैं—ताकि वर्तमान रेगएक्स (regex) और फाइन-ट्यून्ड क्लासिफायर दृष्टिकोणों की सीमाओं को दूर किया जा सके, जिनमें से तीन विधियों को प्रॉम्प्ट-शील्ड v0.4.1 रिलीज़ में सफलतापूर्वक एकीकृत किया गया है और महत्वपूर्ण F1 स्कोर सुधार प्रदर्शित किए गए हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि हानिकारक सुपरवाइज्ड फाइन-ट्यूनिंग (supervised fine-tuning), हानिकारक सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण शिक्षण (RLVR), और रिफ्यूज़ल-सप्रेसिंग एब्लीटरेशन (refusal-suppressing abliteration) सभी ओपन-वेट लैंग्वेज मॉडल्स में लगभग सीलिंग-स्तर की हानिकारक अनुपालनता प्राप्त करते हैं, वे अपने व्यवहार संबंधी दुष्प्रभावों, आंतरिक तंत्र और मरम्मत की संवेदनशीलता में महत्वपूर्ण रूप से भिन्न होते हैं, जिसमें RLVR-जेलब्रोकन मॉडल्स अपने हानिकारक आउटपुट के बावजूद सुरक्षा पहचान और बेस मॉडल क्षमताओं को विशिष्ट रूप से संरक्षित रखते हैं।
एडेरा (Edera) एक अनुकूलित टाइप 1 हाइपरवाइजर है जो हाइपरवाइजर-आधारित प्रणालियों के समान मजबूत अलगाव प्रदान करने के लिए पैरावर्चुअलाइजेशन का लाभ उठाता है, जबकि यह डॉकर (Docker) के निकट प्रदर्शन और पूर्ण कुबेरनेट्स (Kubernetes) अनुकूलता बनाए रखता है, जो प्रभावी रूप से साझा-कर्नेल कंटेनराइजेशन में निहित सुरक्षा कमजोरियों को संबोधित करता है।
यह शोध पत्र NVIDIA के GPU कॉन्फिडेंशियल कंप्यूटिंग के इसके प्रोप्रायटरी आर्किटेक्चर के पुनर्निर्माण, इसके विशेष इंजनों और बूटस्ट्रैप प्रक्रिया के परीक्षण, और CPU-GPU ट्रांसफ़र में डेटा सुरक्षा के प्रयोगात्मक सत्यापन के माध्यम से एक व्यापक सुरक्षा विश्लेषण प्रदान करता है, जिसके सभी निष्कर्षों को जिम्मेदारीपूर्वक NVIDIA को प्रकटीकृत किया गया है।
यह शोध पत्र CREST-Search प्रस्तुत करता है, जो एक अग्रणी रेड-टीमिंग फ्रेमवर्क है जो वेब-संवर्धित लार्ज लैंग्वेज मॉडल्स (LLMs) में सुरक्षात्मक कमजोरियों को उजागर करने के लिए नवीन हमले की रणनीतियों और एक विशिष्ट डेटासेट का उपयोग करता है, जो ऐसे सौहार्दपूर्ण प्रश्नों को उत्पन्न करता है जो हानिकारक वेब सामग्री के उद्धरण को प्रेरित करते हैं।
यह शोध पत्र "डिक्टेटर क्लाइंट्स" (dictator clients) का परिचय और विश्लेषण करता है, जो फेडरेटेड लर्निंग में दुर्भावनापूर्ण प्रतिभागियों का एक नया वर्ग है जो अपने स्वयं के योगदान को सुरक्षित रखते हुए अन्य क्लाइंट्स के योगदान को पूरी तरह से मिटाने में सक्षम हैं, और विभिन्न सहयोगात्मक एवं प्रतिकूल परिदृश्यों में सैद्धांतिक अभिसरण विश्लेषण (theoretical convergence analysis) और अनुभवजन्य मूल्यांकन के माध्यम से उनके प्रभाव का अन्वेषण करता है।
2,414 रिपॉजिटरीज़ के इस अनुभवजन्य अध्ययन से पता चलता है कि जबकि लॉक फ़ाइलें सटीक सॉफ़्टवेयर बिल ऑफ मैटेरियल्स (SBOM) जनरेशन को सक्षम बनाती हैं, डाउनस्ट्रीम भेद्यता स्कैनर (vulnerability scanners) अनरीचेबल कोड के कारण 92% फॉल्स पॉजिटिव दर से जूझते हैं, एक ऐसी समस्या जिसे अलर्ट को 61.9% तक कम करने और डेवलपर थकान को कम करने के लिए फंक्शन कॉल विश्लेषण को एकीकृत करके प्रभावी ढंग से कम किया गया है।
यह शोधपत्र LogJack को प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जो यह प्रदर्शित करता है कि LLM डिबगिंग एजेंट क्लाउड लॉग्स के माध्यम से होने वाले इनडायरेक्ट प्रॉम्प्ट इंजेक्शन (indirect prompt injection) के प्रति अत्यधिक संवेदनशील हैं, जो अक्सर प्रमुख क्लाउड गार्डरेल्स को बायपास कर देते हैं और अनधिकृत कमांड निष्पादन (unauthorized command execution) की ओर ले जाते हैं, भले ही मॉडल दुर्भावनापूर्ण सामग्री को सैनिटाइज करने का प्रयास करें।
यह शोध पत्र एक स्थानीय रूप से तैनात करने योग्य, एजेंटिक वर्कफ़्लो प्रस्तुत करता है जो नियम-आधारित निष्कर्षण, फाइन-ट्यून किए गए लार्ज लैंग्वेज मॉडल्स और एक साक्ष्य-आधारित सत्यापन चरण को संयोजित करता है ताकि क्रैश नैरेटिव्स में व्यक्तिगत पहचान योग्य सूचना (PII) का सुदृढ़ और गोपनीयता-संरक्षित पता लगाया जा सके, जिससे व्यक्तिगत गोपनीयता की रक्षा करते हुए स्केलेबल ट्रैफिक सुरक्षा विश्लेषण सक्षम हो सके।