3542 पेपर
यह शोध पत्र एक दो-चरणीय बहु-मोडल कंट्रास्टिव लर्निंग फ्रेमवर्क प्रस्तावित करता है जो पेलोड वर्गीकरण को निर्देशित करने के लिए टेक्स्टुअल वल्नरेबिलिटी विवरणों का लाभ उठाता है, जो प्रभावी रूप से शॉर्टकट लर्निंग को कम करता है और साइबर सुरक्षा खतरे का पता लगाने वाले कार्यों में सामान्यीकरण में सुधार करता है।
यह शोध पत्र एक सामान्य बहु-उद्देश्यीय अनुकूलन ढांचे (multi-objective optimization framework) को प्रस्तुत करता है जो गोपनीयता (अटैकर सक्सेस रेट द्वारा मापा गया), उपयोगिता (मीन स्क्वेयर्ड एरर द्वारा मापा गया), और डेटा पॉइजनिंग हमलों के विरुद्ध मजबूती के बीच बेहतर संतुलन प्राप्त करने के लिए अत्याधुनिक लोकल डिफरेंशियल प्राइवेसी प्रोटोकॉल को परिष्कृत करता है।
यह शोध पत्र मौलिक कठोरता के परिणाम स्थापित करता है जो यह दर्शाते हैं कि कुछ विशेष परिस्थितियों में पॉलीमैट्रिक्स खेलों (polymatrix games) के अंतर्गत एक लुप्त होते गोपनीयता बजट (vanishing privacy budget) के साथ उच्च-सटीक संतुलन खोजना असंभव है, और तत्पश्चात एक नवीन वितरित एल्गोरिदम का प्रस्ताव करता है जो यथार्थवादी संचार परिवेशों में लुप्त होते नैश गैप (vanishing Nash gap) और गोपनीयता बजट को एक साथ प्राप्त करने के लिए गेम संरचना का लाभ उठाकर इन सीमाओं को पार करता है।
यह शोध पत्र एक रैंक-आधारित एकरूपता परीक्षण प्रस्तावित करता है जो उपयोगकर्ताओं को स्थानीय प्रामाणिक मॉडल के साथ व्यवहार संबंधी निरंतरता को सत्यापित करके, डिटेक्शन पैटर्न को प्रकट किए बिना, अनधिकृत मॉडल प्रतिस्थापन, जैसे कि क्वांटाइजेशन या हानिकारक फाइन-ट्यूनिंग, के लिए ब्लैक-बॉक्स एलएलएम (LLM) एपीआई का सटीक और कुशलतापूर्वक ऑडिट करने में सक्षम बनाता है।
यह शोध पत्र एक बड़े पैमाने के क्राउडसेंसिंग घुसपैठ पहचान (इंट्रूज़न डिटेक्शन) डेटासेट और एक प्रयोगात्मक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि विकेंद्रीकृत फेडरेटेड लर्निंग (DFL), डेटा स्थानीयता को बनाए रखते हुए, IoT वातावरण में प्रतिस्पर्धी मैलवेयर पहचान प्रदर्शन प्राप्त करता है, और अक्सर केंद्रीकृत फेडरेटेड लर्निंग (CFL) से बेहतर प्रदर्शन करता है।
QLCoder एक एजेंटिक फ्रेमवर्क है जो एक्ज़ीक्यूशन फीडबैक, लैंग्वेज सर्वर प्रोटोकॉल इंटीग्रेशन और RAG-आधारित रिट्रीवल से उन्नत एक LLM का लाभ उठाता है, जो CVE मेटाडेटा से वैध CodeQL क्वेरीज़ को स्वचालित रूप से सिंथेसाइज़ करता है, जिससे एक मानक एजेंट के 10% की तुलना में जावा प्रोजेक्ट्स में सुरक्षा कमजोरियों का पता लगाने में 53.4% सफलता दर प्राप्त होती है।
यह शोध पत्र A402 प्रस्तुत करता है, जो एक ट्रस्ट-मिनिमाइज्ड आर्किटेक्चर है जो क्रिप्टोकरेंसी भुगतानों और सेवा निष्पादन के बीच एंड-टू-एंड एटोमिसिटी (atomicity) को लागू करने के लिए एटॉमिक सर्विस चैनल्स और TEE-असिस्टेड अडैप्टर सिग्नेचरों का लाभ उठाता है, जिससे x402 मानक की सीमाओं को दूर करते हुए एजेंटिक कॉमर्स के लिए प्रदर्शन में उल्लेखनीय सुधार और ऑन-चेन लागत में कमी आती है।
यह शोध पत्र DP-S4S का प्रस्ताव करता है, जो एक नवीन तंत्र है जो उपयोगकर्ताओं के बजाय एग्रीगेशन इकाइयों (aggregation units) को नमूना बनाकर और RDP पर आधारित एक नमूना-अनुकूल गणितीय आधार स्थापित करके, उपयोगकर्ता-स्तर की डिफरेंशियल प्राइवेसी के तहत स्केलेबल और सटीक सेलेक्ट-जॉइन-एग्रीगेट (Select-Join-Aggregate) क्वेरी प्रोसेसिंग प्राप्त करता है, जिससे मौजूदा अत्याधुनिक विधियों की अत्यधिक कम्प्यूटेशनल लागत और उच्च त्रुटि दरों पर विजय प्राप्त होती है।
यह शोध पत्र विवादित वातावरणों में गतिशील नेटवर्क और डिवाइस-स्तरीय साइबर धोखे (cyber deception) के लिए एआई-आधारित समाधानों की समीक्षा करता है, जो विशेष रूप से ऑपरेशनल टेक्नोलॉजी (OT) सिस्टम पर गुप्त हमलों के विरुद्ध लागत प्रभावी रणनीतियों को अनुकूलित करने के लिए लार्ज लैंग्वेज मॉडेल्स (LLMs) और रिइन्फोर्समेंट लर्निंग (RL) के संलयन (fusion) पर केंद्रित है।
यह शोध पत्र "सिमेंटिक कैमेलियन" (Semantic Chameleon) को प्रस्तुत करता है, जो एक ग्रेडिएंट-गाइडेड कॉर्पस पॉइजनिंग हमला है जो रिट्रीवल को हाईजैक करने के लिए दोहरे दस्तावेजों को अनुकूलित करके RAG सिस्टम के आउटपुट में हेरफेर करता है, और यह प्रदर्शित करता है कि जबकि हाइब्रिड रिट्रीवल केवल वेक्टर-आधारित सिस्टम पर हमलों को प्रभावी ढंग से कम करता है, संयुक्त रूप से अनुकूलित पेलोड अभी भी इन सुरक्षा उपायों को आंशिक रूप से बायपास कर सकते हैं, जिसकी सफलता दर विभिन्न LLM परिवारों और डेटासेटों में काफी भिन्न होती है।