🔒 Category

cs.CR

3343 पेपर

🤖 AI

An AI Security Agent for Banking: Multi-Vector Fraud and AML Detection Across Retail and Corporate Accounts

यह शोध पत्र बैंकिंग के लिए एक मल्टी-वेक्टर एआई सुरक्षा एजेंट प्रस्तुत करता है जो सिग्नेचर-आधारित धोखाधड़ी और व्यवहार संबंधी वित्तीय अपराधों का एक साथ पता लगाने के लिए एलएसटीएम (LSTM) अनुक्रम मॉडल, सांख्यिकीय मॉनिटर और ग्राफ नेटवर्क के हाइब्रिड आर्किटेक्चर का उपयोग करके ट्रांजैक्शन और सेशन डेटा स्ट्रीम को फ्यूज करता है, जिससे नियम-आधारित या सिंगल-मॉडल बेसलाइन की तुलना में काफी उच्च एफ1 (F1) स्कोर प्राप्त होता है और साथ ही कम-विलंबता वाली स्वचालित प्रतिक्रियाएं और विश्लेषक सहायता प्रदान की जाती है।

Joseph Walusimbi, Joshua Benjamin Ssentongo2026-06-17
💻 computer science

Children Are Not the Enemy: Child-Fit Security as an Alternative to Bans and Surveillance

यह शोध पत्र बच्चों की ऑनलाइन सुरक्षा के प्रति प्रतिबंधात्मक, नियंत्रण-आधारित दृष्टिकोणों की आलोचना करता है और "चाइल्ड-फिट सिक्योरिटी" (child-fit security) का प्रस्ताव देता है, जो एक ऐसा डिज़ाइन प्रतिमान है जो बच्चों को उनके कल्याण, अधिकारों और एजेंसी को मुख्य सुरक्षा आवश्यकताओं के रूप में एकीकृत करके एक वैध उपयोगकर्ता के रूप में मानता है, न कि उन्हें प्रबंधित किए जाने वाले जोखिम के रूप में देखता है।

Kopo M. Ramokapane, Rui Huan, Zaina Dkaidek, Awais Rashid2026-06-17
📊 statistics

Differential Privacy of Gaussian Process Posterior Sampling

यह शोध पत्र यह स्थापित करता है कि गॉसियन प्रोसेस से पोस्टीरियर सैंपल पाथ्स (posterior sample paths) को जारी करना स्वाभाविक रूप से डिफरेंशियल प्राइवेसी (differential privacy) को संतुष्ट करता है, क्योंकि यह प्रभावी रिज रेगुलराइजेशन (ridge regularization) और पोस्टीरियर वेरिएंस (posterior variance) को जोड़ने वाले स्पष्ट रेनी-डीपी (Rényi-DP) बाउंड्स व्युत्पन्न करता है, जबकि यह भी प्रदर्शित करता है कि इस अंतर्निहित यादृच्छिकता (intrinsic randomness) को गोपनीयता और उपयोगिता के बीच संतुलन बनाने के लिए कैलिब्रेटेड शोर (calibrated noise) के साथ और अधिक बढ़ाया जा सकता है।

Tomasz Maciazek2026-06-17
💬 NLP

Security and Privacy Prompts in the Wild: What Users Ask LLMs and How LLMs Respond

यह अध्ययन उपयोगकर्ता की पूछताछ को वर्गीकृत करने और LLM प्रतिक्रिया गुणवत्ता का मूल्यांकन करने के लिए WildChat डेटासेट से 14,727 वास्तविक दुनिया के सुरक्षा और गोपनीयता प्रॉम्प्ट का विश्लेषण करता है, जिससे यह पता चलता है कि हालांकि वाणिज्यिक मॉडल आम तौर पर ओपन-वेट मॉडलों से बेहतर प्रदर्शन करते हैं, फिर भी वे कभी-कभी विरोधाभासी सलाह देते हैं जो उपयोगकर्ताओं को गुमराह कर सकती है।

Hobin Kim, Xiaoyuan Wu, Omer Akgul, Lujo Bauer, Nicolas Christin2026-06-17
💬 NLP

Structural Role Injection in Handlebars-Templated LLM Prompts: Triple-Brace Interpolation, Delimiter Family, and the Limits of HTML Auto-Escaping

यह शोध पत्र प्रदर्शित करता है कि LLM प्रॉम्प्ट्स में Handlebars का डिफ़ॉल्ट HTML-एस्केपिंग तंत्र स्ट्रक्चरल रोल इंजेक्शन हमलों के विरुद्ध असंगत सुरक्षा प्रदान करता है, जो प्रभावी रूप से केवल एंगल-ब्रैकेट-आधारित डेलीमिटर्स को ही निष्प्रभावी करता है जबकि विभिन्न मॉडलों में टास्क हाइजैकिंग और डेटा एक्सफिल्ट्रेशन के लिए कोलन- और मार्कडाउन-आधारित डेलीमिटर्स को असुरक्षित छोड़ देता है।

Mohammadreza Rashidi2026-06-17
🤖 machine learning

Evaluating Open-Source LLMs for Multi-Label ATT&CK Technique Classification on CTI Reports

यह शोध पत्र 2,076 वाक्यों के एक मानव-एनोटेटेड डेटासेट को पेश करके और सात ओपन-सोर्स LLMs का मूल्यांकन करके जटिल असंरचित साइबर थ्रेट इंटेलिजेंस रिपोर्टों पर मल्टी-लेबल ATT&CK वर्गीकरण के लिए एक नया अनुभवजन्य आधार (एम्पिरिकल बेसलाइन) स्थापित करता है, जो सामूहिक रूप से 0.22 का निम्न माइक्रो-एवरेज्ड F1 स्कोर प्राप्त करते हैं, जो यह दर्शाता है कि पैरामीटर आकार और प्रदर्शन के बीच सकारात्मक सहसंबंध के बावजूद वर्तमान मॉडल प्रोडक्शन-ग्रेड पर तैनाती के लिए अपर्याप्त बने हुए हैं।

Ahmed Ryan, Saad Sakib Noor, Md Erfan, Shaswata Mitra, Sudip Mittal, Md Rayhanur Rahman2026-06-17
🤖 machine learning

Multi-Source Cybersecurity Logs: An ATT&CK-Labeled Dataset and SLM Evaluation

यह शोध पत्र एक नवीन मल्टी-सोर्स साइबर सुरक्षा डेटासेट प्रस्तुत करता है जिसमें सिस्टम, नेटवर्क और ब्राउज़र लॉग के साथ 870 सत्र शामिल हैं जिन्हें सूक्ष्म MITRE ATT&CK तकनीकों के साथ लेबल किया गया है, और यह प्रदर्शित करता है कि इस डेटा पर स्मॉल लैंग्वेज मॉडल्स को फाइन-ट्यून करने से दुर्भावनापूर्ण घटनाओं को वर्गीकृत करने और हमले की तकनीकों की पहचान करने की उनकी क्षमता में महत्वपूर्ण वृद्धि होती है।

Abir Ashab Niloy, Ahmed Ryan, Imamul Hossain Rafi, Md Erfan, Md Rayhanur Rahman2026-06-17
💬 NLP

A Red-Team Study of Anthropic Fable 5 & Opus 4.8 Models

यह रेड-टीम अध्ययन प्रकट करता है कि स्टेटिक ऑबफस्केशन (static obfuscation) के प्रति कड़े प्रतिरोध के बावजूद, एंथ्रोपिक के फ्रंटियर मॉडल्स फेबल 5 और ओपस 4.8 स्वचालित, पुनरावृत्ति वाले जेलब्रेक हमलों के प्रति विश्वसनीय रूप से असुरक्षित बने हुए हैं, जो मानवीय हस्तक्षेप के बिना सभी हानिकारक श्रेणियों में सैकड़ों पुष्ट हानिकारक आउटपुट उत्पन्न करते हैं।

Nicola Franco2026-06-17
⚡ electrical engineering

Learning Red Agent Policy from Observations for Neurosymbolic Autonomous Cyber Agents

यह शोध पत्र न्यूरोसिंबोलिक स्वायत्त साइबर-रक्षा एजेंटों को नेटवर्क अवलोकनों से अदृश्य रेड एजेंट नीतियों और कार्यों की भविष्यवाणी करने में सक्षम बनाने के लिए एक इमिटेशन लर्निंग तकनीक का प्रस्ताव करता है, जिससे आंशिक रूप से दृश्यमान वातावरण में परिष्कृत साइबर हमलों के प्रति उनकी अनुकूलन क्षमता को बढ़ाया जा सके।

Ankita Samaddar, Sandeep Neema, Daniel Balasubramanian, Xenofon Koutsoukos2026-06-17
🤖 machine learning

Random Erasing vs. Model Inversion: A Promising Defense or a False Hope?

यह शोधपत्र यह प्रदर्शित करता है कि रैंडम इरेज़िंग (Random Erasing), जो सामान्यीकरण (generalization) में सुधार के लिए पारंपरिक रूप से उपयोग की जाने वाली एक डेटा ऑगमेंटेशन तकनीक है, मॉडल इनवर्जन हमलों के विरुद्ध एक अत्यधिक प्रभावी और सरल रक्षा के रूप में कार्य करती है, क्योंकि यह एक फीचर स्पेस विसंगति (feature space discrepancy) उत्पन्न करती है जो मॉडल की उपयोगिता को बनाए रखते हुए पुनर्निर्माण की गुणवत्ता को कम कर देती है, जिससे अत्याधुनिक प्राइवेसी-यूटिलिटी ट्रेड-ऑफ प्राप्त होता है।

Viet-Hung Tran, Ngoc-Bao Nguyen, Son T. Mai, Hans Vandierendonck, Ira Assent, Alex Kot, Ngai-Man Cheung2026-06-16