3561 पेपर
यह शोध पत्र मल्टी-इमेज सेफ्टी (MIS) डेटासेट को पेश करके विजन-लैंग्वेज मॉडल्स में सुरक्षा तर्क अंतराल (safety reasoning gap) को संबोधित करता है, जो सामान्य मॉडल क्षमताओं को संरक्षित करते हुए दृश्य तर्क क्षमताओं और सुरक्षा प्रदर्शन को महत्वपूर्ण रूप से बढ़ाने के लिए मल्टी-इमेज इनपुट को सेफ्टी चेन-ऑफ-थॉट लेबल के साथ एकीकृत करता है।
यह शोध पत्र डिफरेंशियल प्राइवेट रिलेशनल लर्निंग के लिए एक सिद्धांत-आधारित ढांचे का प्रस्ताव करता है जो एडेप्टिव ग्रेडिएंट क्लिपिंग और विस्तारित प्राइवेसी एम्प्लीफिकेशन विश्लेषणों को पेश करके उच्च एंटिटी संवेदनशीलता और युग्मित सैंपलिंग की चुनौतियों का समाधान करता है, जिससे मजबूत उपयोगिता के साथ औपचारिक एंटिटी-स्तरीय गोपनीयता गारंटी प्राप्त होती है।
यह शोध पत्र PCapGen को प्रस्तुत करता है, जो एक स्वचालित ढांचा है जो सटीक सोर्स कोड संदर्भ निकालने और एंड्रॉइड ऐप्स के लिए सटीक, संक्षिप्त और पूर्ण गोपनीयता विवरण (privacy captions) उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो विशेषज्ञ और स्वचालित दोनों मूल्यांकनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र कॉन्स्टिट्यूशनल स्पेक-ड्रिवन डेवलपमेंट (Constitutional Spec-Driven Development) को प्रस्तुत करता है, जो एक ऐसी कार्यप्रणाली है जो AI-सहायता प्राप्त कोड जनरेशन में 'सिक्योरिटी बाय कंस्ट्रक्शन' को लागू करने के लिए स्पेसिफिकेशन लेयर में मशीन-पठनीय सुरक्षा बाधाओं को समाहित करती है, जो डेवलपर वेलोसिटी बनाए रखते हुए सुरक्षा संबंधी दोषों में 73% की कमी प्रदर्शित करती है।
यह स्थिति पत्र तर्क देता है कि अपरिहार्य एआई-संचालित साइबर हमलों का मुकाबला करने के लिए, रक्षकों को अपनी रणनीति को मौलिक रूप से बदलना चाहिए और नियंत्रित, सुशासित वातावरण के भीतर अपनी स्वयं की आक्रामक एआई क्षमताओं को जिम्मेदारी से विकसित और तैनात करना चाहिए ताकि वे विरोधियों से पहले खतरों में महारत हासिल कर सकें।
यह शोध पत्र एक ट्रस्टवर्थी ब्लॉकचेन-आधारित फेडरेटेड लर्निंग (TBFL) ढांचे का प्रस्ताव करता है जो स्वास्थ्य सेवा प्रतिभागियों को सुरक्षित रूप से प्रमाणित करने के लिए विकेंद्रीकृत पहचानकर्ताओं (Decentralized Identifiers) और सत्यापन योग्य क्रेडेंशियल्स (Verifiable Credentials) का लाभ उठाता है, जो सहयोगात्मक इलेक्ट्रॉनिक हेल्थ रिकॉर्ड विश्लेषण के लिए उच्च भविष्य कहनेवाला प्रदर्शन और कम परिचालन लागत बनाए रखते हुए सिबिल हमलों (Sybil attacks) को प्रभावी ढंग से निष्प्रभावी करता है और डेटा गोपनीयता सुनिश्चित करता है।
यह शोध पत्र ज़ीरो-शॉट और फ्यू-शॉट लर्निंग के माध्यम से परिष्कृत, AI-जनित फ़िशिंग URL का पता लगाने में लार्ज लैंग्वेज मॉडल्स की प्रभावकारिता का मूल्यांकन करने वाला एक व्यापक बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि फ़िशिंग खतरों के तीव्र प्रसार और लेबल किए गए डेटा की कमी को संबोधित करने के लिए फ्यू-शॉट प्रॉम्प्टिंग कई मॉडल्स में प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र PATH प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो डिफरेंशियल प्राइवेट लॉन्गिट्यूडिनल टैबुलर डेटा को सिंथेसाइज करने के लिए निजी तौर पर फाइन-ट्यून किए गए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो प्रभावी रूप से उन टेम्पोरल डायनेमिक्स और लॉन्ग-रेंज डिपेंडेंसीज़ को संरक्षित करता है जिन्हें पारंपरिक मार्जिनल-आधारित विधियाँ पकड़ने में विफल रहती हैं।
यह शोध पत्र ROAD डेटासेट का उपयोग करके मशीन लर्निंग-आधारित CAN घुसपैठ पहचान प्रणालियों की प्रतिकूल सुदृढ़ता (adversarial robustness) का व्यवस्थित रूप से मूल्यांकन करता है, जिससे यह पता चलता है कि जबकि मॉडल कम फाल्स अलार्म दर बनाए रखते हैं, वे ग्रेडिएंट-आधारित गड़बड़ियों के प्रति अत्यधिक संवेदनशील हैं जो छूटे हुए हमलों (missed attacks) को काफी बढ़ा देते हैं, जिसमें एक्स्ट्रा ट्रीज़ (Extra Trees) मॉडल इस विशिष्ट मीट्रिक में बेहतर लचीलापन प्रदर्शित करता है।
यह शोध पत्र एक नवीन RF फिंगरप्रिंटिंग फ्रेमवर्क का प्रस्ताव करता है जो व्याख्यात्मक स्थानीय टेम्पोरल पैटर्न को कैप्चर करने के लिए 2D शेपलेट्स को ग्लोबल कॉन्टेक्स्ट को मॉडल करने के लिए एक प्री-ट्रेन्ड लार्ज लैंग्वेज मॉडल के साथ जोड़ता है, जिससे विविध वायरलेस वातावरणों में बेहतर जनरलाइजेशन और फ्यू-शॉट प्रदर्शन प्राप्त होता है और पारंपरिक डीप न्यूरल नेटवर्क की ब्लैक-बॉक्स सीमाओं को दूर किया जाता है।