3561 पेपर
यह शोध पत्र Zephyr RTOS पर निर्मित एक नवीन WebAssembly System Interface (WASI) एक्सटेंशन प्रस्तुत करता है जो मल्टी-टेनेंट IoT सेंसर एक्सेस के लिए एक सुरक्षित, पोर्टेबल और कम-ओवरहेड सैंडबॉक्स प्रदान करता है, जो नेटिव निष्पादन की तुलना में केवल 6% विलंबता (latency) और 5% मेमोरी फुटप्रिंट वृद्धि प्राप्त करते हुए MQTT-SN के माध्यम से इन-नेटवर्क एक्सेस कंट्रोल को सक्षम बनाता है।
यह शोध पत्र MITRE ATT&CK टेक्स्ट टैगिंग को स्वचालित करने के लिए एक मल्टी-लेबल पदानुक्रमित वर्गीकरण ढांचे (multi-label hierarchical classification framework) को प्रस्तुत करता है जो शास्त्रीय मशीन लर्निंग विधियों का उपयोग करके उच्च सटीकता (टैक्टिक स्तर पर 94% और तकनीक स्तर पर 82%) प्राप्त करता है, जो GPT-4o से काफी बेहतर प्रदर्शन करता है और जटिल LLM-आधारित आर्किटेक्चर की आवश्यकता को समाप्त करता है।
IntelliSA एक इंटेलिजेंट स्टैटिक एनालाइज़र है जो व्यापक कवरेज के लिए सिम्बॉलिक रूल्स को एक कॉम्पैक्ट, नॉलेज-डिस्टिल्ड न्यूरल मॉडल के साथ जोड़ता है ताकि IaC सुरक्षा स्मेल डिटेक्शन में फाल्स पॉजिटिव्स को कुशलतापूर्वक फ़िल्टर किया जा सके, जिससे मौजूदा रूल-बेस्ड टूल्स और लार्ज लैंग्वेज मॉडल्स की तुलना में बेहतर सटीकता और लागत-प्रभावशीलता प्राप्त होती है।
यह शोध पत्र एक ओपन-सोर्स, ज़ीरो-ट्रस्ट हाइब्रिड एंड-टू-एंड एन्क्रिप्शन प्रणाली प्रस्तुत करता है जो क्वांटम-प्रतिरोधी सुरक्षित संचार की व्यावहारिक व्यवहार्यता और प्रदर्शन को प्रदर्शित करने के लिए क्लासिकल AES-256-GCM और SHA-256 के साथ NIST-मानकीकृत CRYSTALS-Kyber पोस्ट-क्वांटम की-एक्सचेंज को एकीकृत करता है।
यह शोध पत्र इंटरऑपरेबल डिजिटल पहचान प्रतिनिधिमंडल (डिजिटल आइडेंटिटी डेलिगेशन) के लिए एक एकीकृत ढांचे का प्रस्ताव करता है जो डेलिगेशन ग्रांट्स (Delegation Grants), एक कैनोनिकल वेरिफिकेशन कॉन्टेक्स्ट (Canonical Verification Context), एक लेयर्ड ट्रस्ट गेटवे आर्किटेक्चर (layered Trust Gateway architecture) और वैकल्पिक ब्लॉकचेन एंकरिंग (blockchain anchoring) के माध्यम से विषम पारिस्थित प्रणालियों (heterogeneous ecosystems) में मनुष्यों और एआई एजेंटों के बीच सुरक्षित, ऑडिट योग्य और न्यूनतम-विशेषाधिकार वाले अधिकार हस्तांतरण को सक्षम बनाता है।
यह शोध पत्र SpooFL का प्रस्ताव करता है, जो एक नवीन फेडरेटेड लर्निंग डिफेंस है जो अस्पष्टता (obfuscation) से स्पूफिंग (spoofing) की ओर मौलिक रूप से स्थानांतरित होता है, जिससे डीप लीकेज हमलावरों को विश्वसनीय लेकिन पूरी तरह से कृत्रिम और अप्रासंगिक डेटा को पुनर्गठित करने के लिए भ्रमित किया जाता है, जिससे मॉडल के प्रदर्शन से महत्वपूर्ण समझौता किए बिना सार्थक गोपनीयता रिसाव को रोका जा सके।
यह शोध पत्र 5G नेटवर्क के लिए एक MEC-उन्मुख, डीप लर्निंग-आधारित ढांचे का प्रस्ताव करता है जो नीति-संचालित अनुकूलन के माध्यम से कंप्यूटिंग संसाधनों को गतिशील रूप से प्रबंधित करते हुए वास्तविक समय में, स्वायत्त विसंगति का पता लगाने में सक्षम बनाता है।
StateFi एक नवीन फिंगरप्रिंटिंग फ्रेमवर्क है जो उनके मैनेजमेंट फ्रेम व्यवहारों को फाइनाइट-स्टेट मशीनों के रूप में मॉडल करके वाई-फाई उपकरणों की प्रभावी ढंग से पहचान करता है और मैक एड्रेस रैंडमाइजेशन को विफल करता है, जिससे विविध वातावरणों में 97% तक री-आइडेंटिफिकेशन सटीकता प्राप्त होती है।
यह शोध पत्र एक विभेदित प्रतिकृति अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि स्वचालित भेद्यता सुधार (vulnerability repair) में लार्ज लैंग्वेज मॉडल्स की सफलता वास्तविक तर्क के बजाय प्रशिक्षण डेटा के स्मृतिकरण (memorization) द्वारा संचालित हो सकती है, क्योंकि प्रॉम्प्ट्स में दोष के स्थान (fault location) को बदलने से सही पैच उत्पन्न करने की उनकी क्षमता काफी कम हो जाती है।
यह शोध पत्र QueryIPI को प्रस्तुत करता है, जो एक स्वचालित फ्रेमवर्क है जो इनवेरिएंट प्रॉम्प्ट कॉन्टेक्स्ट के भीतर दुर्भावनापूर्ण टूल विवरणों को अनुकूलित करके कोडिंग एजेंटों पर क्वेरी-अज्ञेय (query-agnostic) इनडायरेक्ट प्रॉम्प्ट इंजेक्शन प्राप्त करता है, जो उच्च सफलता दर और वास्तविक दुनिया की हस्तांतरणीयता प्रदर्शित करता है।