3307 पेपर
यह शोध पत्र एक व्याख्या योग्य टसेटलिन मशीन-आधारित ढांचे का प्रस्ताव करता है जो फाइलों को निष्पादित किए बिना PDF मैलवेयर का पता लगाने के लिए प्रतिस्पर्धी सटीकता (98.02%) और पारदर्शी निर्णय लेने के लिए स्टैटिक विश्लेषण और नियम-आधारित शिक्षण का उपयोग करता है।
यह शोध पत्र सेलेक्टिव फाइल डिस्क्लोज़र सिस्टम (SFDS) का प्रस्ताव करता है, जो एक ऐसा आर्किटेक्चर है जो साझा किए गए रीड-ओनली फाइलों में क्रिप्टोग्राफिक हस्ताक्षरों को सीधे एम्बेड करने के लिए SD-JWT मानकों का लाभ उठाता है, जिससे जटिल आइडेंटिटी एंड एक्सेस मैनेजमेंट (IAM) इंफ्रास्ट्रक्चर पर निर्भर किए बिना सत्यापन योग्य प्रामाणिकता और अखंडता सुनिश्चित होती है।
यह अध्ययन एक फेडरेटेड लर्निंग आर्किटेक्चर का प्रस्ताव करता है जो स्वास्थ्य सेवा और वित्त में मॉडल अपडेट को सुरक्षित करने और संवेदनशील डेटा की रक्षा करने के लिए होमोमोर्फिक एन्क्रिप्शन और डिफरेंशियल प्राइवेसी को एकीकृत करता है, यह प्रदर्शित करते हुए कि मॉडल की सटीकता या दक्षता से महत्वपूर्ण समझौता किए बिना उच्च गोपनीयता प्राप्त की जा सकती है।
यह शोध पत्र एक नवीन क्रॉस-लेवल हमले को प्रस्तुत करता है जो सटीक भौतिक दोष इंजेक्शन (physical fault injection) को बैकडोर लर्निंग के साथ जोड़कर एम्बेडेड न्यूरल नेटवर्क में स्टील्थी, फीचर मैप-लेवल ट्रिगर्स बनाता है जो केवल हार्डवेयर दोषों के तहत सक्रिय होते हैं, जिससे पारंपरिक इनपुट-स्पेस सुरक्षा प्रणालियों को बायपास किया जा सके।
यह शोध पत्र TSAI-MetaFraud प्रस्तुत करता है, जो एक व्यापक मल्टीमॉडल बेंचमार्क डेटासेट है जिसे व्यवहार संबंधी, लेनदेन संबंधी और ग्राफ-संरचित डेटा को एकीकृत करके मेटावर्स पारिस्थितिकी तंत्र में धोखाधड़ी का पता लगाने की प्रगति के लिए डिज़ाइन किया गया है ताकि मौजूदा पृथक डेटासेट की सीमाओं को दूर किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि एडवर्सरियल ट्रेनर्स (adversarial trainers) डीप न्यूरल नेटवर्क में सांख्यिकीय रूप से न पकड़े जा सकने वाले बैकडोर्स (backdoors) डाल सकते हैं, जिससे एक मौलिक शक्ति विषमता (power asymmetry) उत्पन्न होती है जहाँ वे विशिष्ट एडवर्सरियल उदाहरण (adversarial examples) उत्पन्न कर सकते हैं जबकि उपयोगकर्ता मानक क्रिप्टोग्राफिक धारणाओं के तहत ऐसा करने में कम्प्यूटेशनल रूप से असमर्थ रहते हैं।
यह शोध पत्र OpenMP Target offloading का उपयोग करके एक लर्निंग विद एरर्स (LWE) आधारित की एनकैप्सुलेशन मैकेनिज्म (KEM) के पोर्टेबल GPU कार्यान्वयन को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एक एकल सोर्स कोडबेस NVIDIA और AMD दोनों एक्सेलेरेटर्स पर पर्याप्त प्रदर्शन त्वरण और ऊर्जा दक्षता प्राप्त कर सकता है और साथ ही वेंडर लॉक-इन से भी बच सकता है।
यह शोध पत्र VEXAIoT को प्रस्तुत करता है, जो एक स्वायत्त मल्टी-एजेंट फ्रेमवर्क है जो IoT भेद्यता खोज और शोषण को स्वचालित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, और विविध हमले के परिदृश्यों में उच्च दक्षता के साथ 95% समग्र सफलता दर प्राप्त करता है।
यह शोध पत्र डिफरेंशियल प्राइवेट कॉनवेक्स ऑप्टिमाइज़ेशन (differentially private convex optimization) की ग्रेडिएंट जटिलता पर सटीक निचली सीमाएं (tight lower bounds) स्थापित करता है, यह प्रदर्शित करते हुए कि गैर-सुचारू (non-smooth) और सुचारू (smooth) दोनों ही स्थितियाँ गैर-निजी समकक्षों की तुलना में आयाम-निर्भर रनटाइम दंड (dimension-dependent runtime penalties) का सामना करती हैं, जबकि साथ ही ग्रेडिएंट क्वांटाइजेशन और निजी ऑरेकल संचार की मौलिक सीमाओं को भी प्रकट करती है।
यह शोध पत्र एक फॉरेंसिक स्कीमा प्रस्तुत करता है जिसे साइबर धोखाधड़ी में मनोवैज्ञानिक हेरफेर की तकनीकों को पकड़ने के लिए डिज़ाइन किया गया है, जो यह प्रदर्शित करता है कि पीड़ितों की रिपोर्टों का LLM-संचालित विश्लेषण धोखाधड़ी के प्रकारों के बीच विशिष्ट हेरफेर प्रोफाइल की विश्वसनीय रूप से पहचान कर सकता है और साथ ही अधिक कार्रवाई योग्य साक्ष्य विवरण एकत्र करने के लिए AI-सहायता प्राप्त इनटेक प्रक्रियाओं की महत्वपूर्ण आवश्यकता को रेखांकित करता है।