cs.CR

Reading Between the Lines: Towards Reliable Black-box LLM Fingerprinting via Zeroth-order Gradient Estimation

यह शोध पत्र ZeroPrint को प्रस्तुत करता है, जो एक नवीन ब्लैक-बॉक्स LLM फिंगरप्रिंटिंग विधि है जो मौजूदा आउटपुट-आधारित तकनीकों की तुलना में अधिक सूचनात्मक और सुदृढ़ मॉडल सिग्नेचर निकालने के लिए अर्थ-संरक्षण वाले शब्द प्रतिस्थापन (semantic-preserving word substitutions) के माध्यम से ज़ीरो-ऑर्डर ग्रेडिएंट एस्टीमेशन का लाभ उठाता है।

PrivTune: Efficient and Privacy-Preserving Fine-Tuning of Large Language Models via Device-Cloud Collaboration

Hidden-in-Plain-Text: A Benchmark for Social-Web Indirect Prompt Injection in RAG

यह शोध पत्र OpenRAG-Soc को प्रस्तुत करता है, जो एक संक्षिप्त और पुनरुत्पादित बेंचमार्क है जिसे विभिन्न रिट्रीवर्स और रक्षा प्रणालियों में एंड-टू-एंड परीक्षण को मानकीकृत करके वेब-फेसिंग रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम में अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन और रिट्रीवल पॉइजनिंग हमलों का मूल्यांकन करने और उन्हें कम करने के लिए डिज़ाइन किया गया है।

DRGW: Learning Disentangled Representations for Robust Graph Watermarking

DRGW एक नवीन ग्राफ वॉटरमार्किंग फ्रेमवर्क है जो सूचना युग्मन (information coupling) और मौजूदा विधियों में अनियंत्रित विविक्तीकरण (uncontrollable discretization) की सीमाओं को पार करने के लिए डिसेंटैंगल्ड रिप्रेजेंटेशन लर्निंग, एक एडवरसेरियली प्रशिक्षित एनकोडर, एक ग्राफ-अवेयर इनवर्टिबल न्यूरल नेटवर्क और एक स्ट्रक्चर-अवेयर एडिटर का लाभ उठाकर एक सुदृढ़, पारदर्शी और अत्यधिक पता लगाने योग्य वॉटरमार्किंग प्राप्त करता है।

Predicting Tail-Risk Escalation in IDS Alert Time Series

यह शोध पत्र एक नवीन टेम्पोरल मेजरमेंट फ्रेमवर्क प्रस्तावित करता है जो वित्तीय मॉडलिंग से एक्सट्रीम-रेजीम फोरकास्टिंग विधियों को IDS अलर्ट स्ट्रीम पर लागू करता है, जिससे अलर्ट तीव्रता, अस्थिरता और मोमेंटम का विश्लेषण करके भविष्य के हमले के बढ़ने (एस्केलेशन) की भविष्यवाणी करने में उच्च सटीकता प्राप्त होती है।

An Optimized Decision Tree-Based Framework for Explainable IoT Anomaly Detection

यह शोध पत्र IoT विसंगति पहचान (anomaly detection) के लिए एक अनुकूलित, व्याख्यात्मक डिसीजन ट्री-आधारित ढांचे का प्रस्ताव करता है जो अत्याधुनिक सटीकता और कम्प्यूटेशनल दक्षता प्राप्त करता है, जिससे संसाधन-सीमित एज उपकरणों पर वास्तविक समय में, पारदर्शी सुरक्षा सक्षम होती है।

CORVUS: Red-Teaming Hallucination Detectors via Internal Signal Camouflage in Large Language Models

यह शोध पत्र CORVUS को प्रस्तुत करता है, जो एक कुशल रेड-टीमिंग फ्रेमवर्क है जो आंतरिक मॉडल संकेतों को छिपाने के लिए हल्के LoRA एडेप्टर का उपयोग करता है और कई लार्ज लैंग्वेज मॉडल्स में प्रशिक्षण-मुक्त (training-free) और प्रोब-आधारित (probe-based) दोनों प्रकार के मतिभ्रम डिटेक्टरों (hallucination detectors) को सफलतापूर्वक चकमा देता है, जिससे प्रतिकूलता-जागरूक ऑडिटिंग रणनीतियों (adversary-aware auditing strategies) की आवश्यकता पर प्रकाश पड़ता है।

Tracing the Data Trail: A Survey of Data Provenance, Transparency and Traceability in LLMs

यह सर्वेक्षण एक नया वर्गीकरण प्रस्तावित करके और पूर्वाग्रह, गोपनीयता, तथा अपारदर्शिता और पारदर्शिता के बीच के समझौतों (ट्रेड-ऑफ) की प्रमुख चुनौतियों को संबोधित करने के लिए 95 प्रकाशनों का विश्लेषण करके, लार्ज लैंग्वेज मॉडल्स में डेटा प्रोवेनेंस (उत्पत्ति), पारदर्शिता और ट्रैसेबिलिटी (अनुरेखणीयता) पर एक दशक के शोध का संश्लेषण करता है।

LLM Security and Safety: Insights from Homotopy-Inspired Prompt Obfuscation

यह शोध पत्र विभिन्न लार्ज लैंग्वेज मॉडल्स में सुरक्षा संबंधी कमजोरियों का व्यवस्थित रूप से विश्लेषण करने और उन्हें उजागर करने के लिए एक होमोटोपी-प्रेरित प्रॉम्प्ट ऑबफस्केशन फ्रेमवर्क प्रस्तावित करता है, जो अंततः अधिक सुदृढ़ रक्षा तंत्र और लचीली एआई सुरक्षा रणनीतियों की वकालत करता है।

AI Agents vs. Human Investigators: Balancing Automation, Security, and Expertise in Cyber Forensic Analysis

यह अध्ययन साइबर फॉरेंसिक विश्लेषण में एआई एजेंटों और मानव अन्वेषकों की तुलना करता है, जिसमें यह पाया गया है कि जहाँ एआई नियमित कार्यों में दक्षता को महत्वपूर्ण रूप से बढ़ाता है, वहीं पूर्वाग्रह और पैटर्न की कठोरता जैसे जोखिमों को कम करने के लिए मानवीय निरीक्षण आवश्यक बना हुआ है, जिससे परिष्कृत खतरों के विरुद्ध जांच की सटीकता और अखंडता सुनिश्चित होती है।