3510 पेपर
यह शोध पत्र IOCRegex-gen को प्रस्तुत करता है, जो एक स्वचालित LLM-आधारित प्रणाली है जो एक ग्रुप-अवेयर मैकेनिज्म और इटरेटिव वैलिडेशन पाइपलाइन के माध्यम से CTI रिपोर्टों से इंडिकेटर्स ऑफ कॉम्प्रोमाइज (IOCs) को सिमेंटिक रूप से सटीक और सिंटैक्टिक रूप से वैध रेगुलर एक्सप्रेशंस में परिवर्तित करती है, जिससे 99.1% हिट रेट प्राप्त होता है और सुरक्षा संचालन में मैन्युअल प्रयास काफी कम हो जाता है।
यह शोध पत्र TEMPLATEFUZZ को प्रस्तुत करता है, जो एक सूक्ष्म-स्तरीय (fine-grained) फज़िंग फ्रेमवर्क है जो ओपन-सोर्स और कमर्शियल दोनों प्रकार के LLMs में न्यूनतम सटीकता ह्रास के साथ काफी उच्च जेलब्रेक सफलता दर प्राप्त करने के लिए एलिमेंट-लेवल म्यूटेशन और ह्यूरिस्टिक सर्च के माध्यम से चैट टेम्पलेट कमजोरियों का व्यवस्थित रूप से शोषण करता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि सबसेट प्रशिक्षण गोपनीयता जोखिमों को कम करता है, और CoLA पेश करता है, जो एक ऐसा ढांचा है जो यह प्रदर्शित करता है कि डेटा चयन प्रक्रिया स्वयं नई हमले की सतहें (ट्रेनिंग-मेंबरशिप और सिलेक्शन-पार्टिसिपेशन MIA) बनाती है जो प्रशिक्षण डेटा और व्यापक डेटा-मॉडल आपूर्ति श्रृंखला दोनों के बारे में संवेदनशील जानकारी लीक करने में सक्षम हैं।
यह शोध पत्र यह तर्क देता है कि बाहरी टाइमिंग, कंकरेंसी और माइक्रोआर्किटेक्चरल स्टेट को ऑब्जर्वेबल्स के रूप में उपयोग करके, सेल्फ-मॉडिफाइंग कोड को एक व्यावहारिक रूप से कुशल और पता लगाने योग्य टैम्पर-प्रूफिंग तंत्र में इंजीनियर किया जा सकता है जो आधुनिक कमोडिटी प्रोसेसर्स पर नॉन-एसएमसी सिमुलेशन से बेहतर प्रदर्शन करता है।
यह शोध पत्र क्रिप्टो-एजिलिटी मैच्योरिटी मॉडल (CAMM) का पहला मूल्यांकन प्रस्तुत करता है, जो सैद्धांतिक विश्लेषण और एक वास्तविक केस स्टडी के माध्यम से इसके दायरे, परिचालन और संरचना में महत्वपूर्ण कमियों की पहचान करता है, और क्रिप्टोग्राफिक चपलता (एजिलिटी) के आकलन के लिए इसकी विश्वसनीयता बढ़ाने हेतु ठोस सुधार प्रस्तावित करता है।
यह शोध पत्र SET का प्रस्ताव करता है, जो टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स के लिए एक इनपुट-लेवल बैकडोर डिटेक्शन फ्रेमवर्क है, जो क्रॉस-अटेंशन स्केलिंग रिस्पॉन्स डाइवर्जेंस (CSRD) घटना का लाभ उठाता है—जहाँ नियंत्रित स्केलिंग परटर्बेशन्स के तहत बेनाइन और बैकडोर इनपुट्स अलग-अलग रिस्पॉन्स पैटर्न प्रदर्शित करते हैं—ताकि हमले के पूर्व ज्ञान की आवश्यकता के बिना मजबूत, ट्रिगर-एग्नोस्टिक डिटेक्शन प्राप्त किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि एलएलएम (LLM) में हानिकारक मिसअलाइनमेंट (misalignment) पर ऑन-पॉलिसी सुरक्षा प्रशिक्षण का प्रभाव अत्यधिक संदर्भ-निर्भर है, जहाँ मॉडल का आकार भूमिका फ्रेमिंग और गेमिएबिलिटी संकेतों जैसी विशिष्ट वातावरण डिजाइन विशेषताओं के आधार पर या तो एक सुरक्षा बफर के रूप में कार्य कर सकता है या अधिक शोषण को सक्षम कर सकता है, जबकि यह भी प्रकट करता है कि मानक सुरक्षा बेंचमार्क अक्सर इन आरएल-प्रेरित (RL-induced) व्यवहारों की भविष्यवाणी करने में विफल रहते हैं।
यह शोध पत्र अनुभवजन्य रूप से प्रदर्शित करता है कि एक नवीन स्टैकिंग-आधारित मेंबरशिप इन्फरेंस अटैक, जो कई ब्लैक-बॉक्स एस्टिमेटर्स का संयोजन (ensemble) करता है, उच्च-गोपनीयता डिफरेंशियल प्राइवेसी सेटिंग्स () के तहत भी फेडरेटेड लर्निंग मॉडल्स से समझौता करने में प्रभावी है और कम-गोपनीयता परिदृश्यों () में पारंपरिक बेसलाइन्स से काफी बेहतर प्रदर्शन करता है जहाँ सिंगल-सिग्नल अटैक्स विफल हो जाते हैं।
यह शोध पत्र EXTree प्रस्तुत करता है, जो एक ट्री-आधारित फ्रेमवर्क है जो एट्रिब्यूट-आधारित एक्सेस कंट्रोल (ABAC) नीतियों को अनुकूलित करता है ताकि कुशल मूल्यांकन सुनिश्चित करने के साथ-साथ अस्वीकार किए गए एक्सेस अनुरोधों के लिए मानव-केंद्रित स्पष्टीकरण प्रदान किया जा सके।
यह शोधपत्र तर्क देता है कि प्रॉम्प्ट-आधारित सुरक्षा स्वायत्त एआई एजेंटों के लिए अपर्याप्त है और 'पैरलैक्स' (Parallax) का परिचय देता है, जो एक ऐसा वास्तुशिल्प ढांचा है जो संज्ञानात्मक-कार्यकारी पृथक्करण (cognitive-executive separation) और बहु-स्तरीय सत्यापन को लागू करता है ताकि तब भी लगभग पूर्ण आक्रमण शमन प्राप्त किया जा सके जब तर्क प्रणाली पूरी तरह से समझौतापूर्ण हो।