3561 पेपर
यह शोध पत्र Meta SecAlign को प्रस्तुत करता है, जो पहला पूर्णतः ओपन-सोर्स फाउंडेशन LLM है जो व्यावसायिक-ग्रेड उपयोगिता और प्रॉम्प्ट इंजेक्शन हमलों के विरुद्ध मजबूत सुरक्षा प्राप्त करता है, जो ओपन रिसर्च को सक्षम करते हुए कई प्रोप्राइटरी मॉडल्स से बेहतर प्रदर्शन करता है।
FuSeFL एक पूर्णतः सुरक्षित और स्केलेबल फेडरेटेड लर्निंग स्कीम है जो विभिन्न इन्फरेंस हमलों के विरुद्ध डेटा, मॉडल और अपडेट की एंड-टू-एंड गोपनीयता सुनिश्चित करते हुए सर्वर बॉटलनेक्स को समाप्त करने के लिए लाइटवेट सिक्योर मल्टी-पार्टी कंप्यूटेशन का उपयोग करके क्लाइंट पेयर्स के बीच प्रशिक्षण को विकेंद्रीकृत करती है।
यह शोध पत्र स्लाइसड रेनी पफरफिश प्राइवेसी (SRPP) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो प्रोजेक्शन-आधारित उपायों और स्लाइसड वासरस्टीन तंत्रों का उपयोग करके मौजूदा पफरफिश प्राइवेसी मॉडलों में आया आयामीता के अभिशाप (curse of dimensionality) और संयोजन सीमाओं (composition limitations) पर विजय प्राप्त करता है ताकि ग्रेडिएंट क्लिपिंग और उन्नत अकाउंटिंग टूल्स के साथ कुशल, स्केलेबल निजी शिक्षण को सक्षम बनाया जा सके।
यह शोध पत्र DECEPTICON को प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जो यह दर्शाता है कि डार्क पैटर्न्स (dark patterns) वेब एजेंटों को दुर्भावनापूर्ण परिणामों की ओर प्रभावी ढंग से हेरफेर करने में मानव संवेदनशीलता की तुलना में कहीं अधिक दर से सफल होते हैं, और बड़े मॉडल तथा मौजूदा सुरक्षा उपाय भी इन हेरफेर करने वाले डिजाइनों के विरुद्ध अपर्याप्त सिद्ध होते हैं।
यह शोध पत्र FirmReBugger प्रस्तुत करता है, जो एक समग्र बेंचमार्क फ्रेमवर्क है जो बग ओरैकल्स और वास्तविक दुनिया के लक्ष्यों के एक विविध सेट (FirmBench) का उपयोग करता है ताकि लक्षित बाइनरी को संशोधित किए बिना मोनोलिथिक फर्मवेयर फज़र्स का निष्पक्ष और सटीक मूल्यांकन किया जा सके, और नौ अत्याधुनिक उपकरणों के एक बड़े पैमाने के पुनरुत्पादकता अध्ययन के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र CIPHER को प्रस्तुत करता है, जो एक बेंचमार्क और स्वचालित स्कोरिंग पाइपलाइन है जिसे बड़े भाषा मॉडलों (large language models) द्वारा उत्पन्न कोड में क्रिप्टोग्राफिक कमजोरियों का मूल्यांकन और मात्रात्मक निर्धारण करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि हालांकि स्पष्ट सुरक्षित प्रॉम्प्टिंग (explicit secure prompting) कुछ समस्याओं को कम करती है, लेकिन यह विविध मॉडलों में क्रिप्टोग्राफिक दोषों को विश्वसनीय रूप से समाप्त करने में विफल रहती है।
यह सर्वेक्षण मौजूदा परीक्षण तकनीकों को उनके लक्षित निष्पादन गुणों और विफलता तंत्रों के आधार पर वर्गीकृत करने के लिए एक स्टोरेज-केंद्रित परिप्रेक्ष्य अपनाता है, अंतर्निहित स्टोरेज जटिलताओं को संबोधित करने में पारंपरिक फज़िंग की सीमाओं का आलोचनात्मक विश्लेषण करता है, और यह अन्वेषण करता है कि कैसे एआई-संचालित सिमेंटिक मार्गदर्शन इन चुनौतियों को पार करने और स्टोरेज-सिस्टम की शुद्धता में सुधार करने के लिए उपयोग किया जा सकता है।
यह शोध पत्र स्पाइडर-सेंस (Spider-Sense) का प्रस्ताव करता है, जो एक इवेंट-ड्रिवन एजेंट डिफेंस फ्रेमवर्क है जो एक पदानुक्रमित, स्व-निहित स्क्रीनिंग तंत्र को चुनिंदा रूप से ट्रिगर करने के लिए अंतर्निहित जोखिम संवेदन (intrinsic risk sensing) का उपयोग करता है, जिससे पारंपरिक अनिवार्य जांच प्रतिमानों की तुलना में न्यूनतम विलंबता ओवरहेड के साथ बेहतर सुरक्षा प्रदर्शन प्राप्त होता है।
यह शोधपत्र एक क्वांटम-प्रेरित टेंसर ट्रेन रक्षा प्रस्तावित करता है जो क्लिनिकल परिवेश में लॉजिस्टिक रिग्रेशन और न्यूरल नेटवर्क दोनों मॉडलों की भविष्य कहने वाली सटीकता और व्याख्यात्मकता को बनाए रखते हुए, गोपनीयता हमलों को प्रभावी ढंग से कम करने के लिए मॉडल मापदंडों को अस्पष्ट (obfuscate) करता है।
यह शोध पत्र AdFL को प्रस्तुत करता है, जो एक ब्राउज़र-आधारित फेडरेटेड लर्निंग फ्रेमवर्क है जो ऑनलाइन प्रकाशकों को गोपनीयता से समझौता किए बिना स्थानीय उपयोगकर्ता डेटा का उपयोग करके लक्षित विज्ञापन के लिए वैश्विक मॉडल को प्रशिक्षित करने में सक्षम बनाता है, जो डिफरेंशियल प्राइवेसी सुरक्षा उपायों के साथ भी उच्च भविष्यवाणी सटीकता (92.59% AUC तक) बनाए रखते हुए प्रदर्शन हासिल करता है।