3561 पेपर
यह शोध पत्र एल्गोरिदम को विशिष्ट रूप से पहचानने के लिए डिजिटल ऑब्जेक्ट आइडेंटिफायर्स (DOIs) का लाभ उठाने का प्रस्ताव करता है, जिससे बेहतर मूल ट्रैकिंग, ऑडिटिंग और क्रिप्टोग्राफिक प्रमाणीकरण के माध्यम से एआई (AI) विकास और अनुप्रयोग में जवाबदेही, पारदर्शिता और ट्रैसेबिलिटी को बढ़ाया जा सके।
यह शोध पत्र IntelGuard को प्रस्तुत करता है, जो एक रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है जो स्वचालित दुर्भावनापूर्ण पैकेज डिटेक्शन में विशेषज्ञ तर्क को एकीकृत करने के लिए 8,000 से अधिक थ्रेट इंटेलिजेंस रिपोर्टों के नॉलेज बेस का लाभ उठाता है, जिससे 99% सटीकता प्राप्त होती है और PyPI पर 54 पहले से अज्ञात खतरों की खोज की जाती है।
यह शोध पत्र DeMark को प्रस्तुत करता है, जो एक क्वेरी-मुक्त ब्लैक-बॉक्स हमला (query-free black-box attack) ढांचा है, जो विजुअल गुणवत्ता को बनाए रखते हुए डीपफेक वॉटरमार्क को प्रभावी ढंग से हटाने के लिए एनकोडर-डिकोडर वॉटरमार्किंग मॉडलों में लेटेंट-स्पेस कमजोरियों का लाभ उठाता है, जिससे मौजूदा वॉटरमार्किंग सुरक्षा और प्रस्तावित जवाबी उपायों की वर्तमान अपर्याप्तता को प्रदर्शित किया जाता है।
यह शोधपत्र एक ऐसे ढांचे को प्रस्तुत करता है जो डेटा-संचालित प्रक्रियाओं, स्वचालित टेम्पलेट-आधारित मॉडलिंग और cATM तर्क का उपयोग करके MITRE हमले के अभियानों की संभावना को परिमाणित करता है ताकि साइबर सुरक्षा रक्षा प्राथमिकता निर्धारण के लिए पारदर्शी, जवाबदेह और कुशल मात्रात्मक तुलना सक्षम की जा सके।
यह शोध पत्र VTarbel को प्रस्तुत करता है, जो वर्टिकल फेडरेटेड लर्निंग के लिए एक दो-चरणीय लक्षित लेबल हमला (targeted label attack) ढांचा है, जो विसंगति डिटेक्टरों (anomaly detectors) से सफलतापूर्वक बचने और मौजूदा अत्याधुनिक तरीकों से बेहतर प्रदर्शन करने के लिए न्यूनतम ज्ञान के साथ कार्य करता है।
VMask एक नवीन, ट्यूनेबल लेबल प्राइवेसी प्रोटेक्शन फ्रेमवर्क है जो वर्टिकल फेडरेटेड लर्निंग के लिए है, जो महत्वपूर्ण लेयर पैरामीटर्स को मास्क करने के लिए सेलेक्टिवली सीक्रेट शेयरिंग लागू करके शक्तिशाली मॉडल कंप्लीशन हमलों को प्रभावी ढंग से विफल करता है, जिससे गोपनीयता, उपयोगिता और कम्प्यूटेशनल दक्षता के बीच एक इष्टतम संतुलन प्राप्त होता है।
VeriLLM एक हल्का, सार्वजनिक रूप से सत्यापन योग्य ढांचा है जो विकेंद्रीकृत LLM इन्फरेंस (inference) के लिए है, जो दक्षता और मजबूती को अधिकतम करने के लिए उसी GPU वर्कर्स पर इन्फरेंस और वेरिफिकेशन भूमिकाओं को मल्टीप्लेक्स करने वाले एक आइसोमोर्फिक आर्किटेक्चर के साथ कम लागत वाले एम्पिरिकल रनिंग (empirical running) को जोड़कर आउटपुट की शुद्धता और प्रोत्साहन अनुकूलता सुनिश्चित करता है।
यह शोध पत्र सामान्यीकृत (generalized) और पारंपरिक MDS मैट्रिसेस के बीच संरचनात्मक संबंधों की जांच करता है, जो यह प्रदर्शित करता है कि अर्ध-इनवॉल्यूटरी (semi-involutory) और अर्ध-ऑर्थोगोनल (semi-orthogonal) मैट्रिसेस की गणना सीधे उनके इनवॉल्यूटरी और ऑर्थोगोनल समकक्षों से प्राप्त की जा सकती है, साथ ही उनके प्रतिच्छेदों (intersections) को भी अभिलक्षित करता है और पर उदाहरणों की गणना के लिए नए व्युत्पन्न प्रदान करता है।
यह शोध पत्र मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) सर्वर सिस्टम लॉग में सुरक्षा जोखिमों का पता लगाने की लार्ज लैंग्वेज मॉडल्स की क्षमता का मूल्यांकन करने के लिए पहला सिंथेटिक बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि GRPO जैसी सुदृढीकरण शिक्षण (reinforcement learning) तकनीकें उच्च सटीकता और संतुलित प्रिसिजन-रिकॉल प्राप्त करने में सुपरवाइज्ड फाइन-ट्यूनिंग और छोटे मॉडलों की तुलना में काफी बेहतर प्रदर्शन करती हैं।
यह शोध पत्र RECAP को प्रस्तुत करता है, जो एक संसाधन-कुशल प्रतिकूल प्रॉम्प्टिंग (adversarial prompting) विधि है जो एक वर्गीकृत डेटाबेस से अर्थपूर्ण रूप से समान पूर्व-प्रशिक्षित प्रतिकूल प्रॉम्प्ट्स को पुनर्प्राप्त करके प्रतिस्पर्धी हमला सफलता दर प्राप्त करती है, जिससे GCG जैसी पुन: प्रशिक्षण-आधारित जेलब्रेकिंग तकनीकों से जुड़ी गणनात्मक लागत समाप्त हो जाती है।