3343 पेपर
यह शोध पत्र SiMRA-PUF को प्रस्तुत करता है, जो कमर्शियल ऑफ-द-शेल्फ DRAM चिप्स के लिए पहला फिजिकल अनक्लोनेबल फंक्शन (Physical Unclonable Function) है, जो उच्च विश्वसनीयता और अत्याधुनिक विधियों की तुलना में कम मूल्यांकन विलंबता के साथ अद्वितीय, दोहराने योग्य डिवाइस-विशिष्ट सिग्नेचर उत्पन्न करने के लिए समवर्ती मल्टीपल-रो एक्टिवेशन का लाभ उठाता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि उच्च-निष्ठा (high-fidelity) वाले मॉडल स्टीलिंग हमले आर्थिक रूप से समान सरोगेट्स उत्पन्न करते हैं, यह प्रदर्शित करते हुए कि निकट-इष्टतम निष्कर्षित मॉडलों का रशोमोन सेट (Rashomon Set) लक्ष्य के समान सटीकता प्राप्त करने के बावजूद निष्पक्षता और मजबूती जैसे महत्वपूर्ण परिनियोजन गुणों में महत्वपूर्ण विविधता प्रदर्शित करता है।
यह शोध पत्र ग्रीडी कोऑर्डिनेट डिफ्यूजन (GCD) को प्रस्तुत करता है, जो एक नवीन ग्रे-बॉक्स एडवरसेरियल अटैक फ्रेमवर्क है जो उच्च सफलता दर, कम परप्लेक्सिटी और मजबूत सिमेंटिक सुसंगतता के साथ सुरक्षा-संरेखित मॉडल बायपास उत्पन्न करने के लिए डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स का लाभ उठाता है, जो प्रभावी रूप से मौजूदा ऑप्टिमाइज़ेशन-आधारित विधियों की सीमाओं को दूर करता है।
यह शोध पत्र AnonShield को प्रस्तुत करता है, जो एक उच्च-थ्रूपुट, ऑन-प्रिमाइज़ छद्म नामकरण (pseudonymization) प्रणाली है जो भेद्यता डेटा (vulnerability data) के प्रसंस्करण में 738x तक की गति वृद्धि प्राप्त करने के लिए GPU-त्वरित NER और स्ट्रीमिंग प्रोसेसिंग का लाभ उठाती है, जिससे उच्च सटीकता बनाए रखते हुए CSIRTs के लिए अनुपालन योग्य और स्केलेबल डेटा साझाकरण सक्षम होता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि एजेंटिक LLMs ज्ञात कमजोरियों को पुनरुत्पादित करने में उच्च स्थिरता प्रदर्शित करते हैं, नई समस्याओं को खोजने की उनकी क्षमता अत्यधिक असंगत है, जो यह सुझाव देता है कि LLM-आधारित सुरक्षा समीक्षाओं को नियतकालिक (deterministic) स्टैटिक एप्लिकेशन सिक्योरिटी टेस्टिंग (SAST) के स्थान पर उसका पूरक होना चाहिए।
यह शोधपत्र GAS-Leak-LLM को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स जेलब्रेकिंग हमला है जो एक जेनेटिक एल्गोरिदम का उपयोग करके प्रतिकूल प्रत्ययों (adversarial suffixes) को पुनरावर्ती रूप से विकसित करता है, जिससे बड़े भाषा मॉडलों (Large Language Models) के आंतरिक मापदंडों तक पहुँच की आवश्यकता के बिना प्रभावी रूप से सुरक्षा बाधाओं को बायपास किया जा सकता है।
यह शोध पत्र यह पहचान करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) वास्तविक तर्क के बजाय सिंटैक्टिक पैटर्न का लाभ उठाकर 'हैकदसिलिकॉन' (HackTheSilicon) जैसी हार्डवेयर सुरक्षा प्रतियोगिताओं की वैधता को कमजोर करते हैं, और एक नवीन सिमेंटिक्स-प्रिजर्विंग ओब्फस्केशन फ्रेमवर्क प्रस्तावित करता है जो LLM-आधारित डिटेक्शन सटीकता को महत्वपूर्ण रूप से कम करके बेंचमार्क विश्वसनीयता को प्रभावी ढंग से बहाल करता है।
यह शोध पत्र "नॉलेज ट्रैप" (Knowledge Trap) का प्रस्ताव करता है, जो एक रक्षा तंत्र है जो बड़े भाषा मॉडल (LLM) निष्कर्षण हमलों को कम करने के लिए विरोधियों को एक कम-मूल्य वाले "हनीपॉट नॉलेज ग्राफ" (Honeypot Knowledge Graph) की ओर पुनर्निर्देशित करता है, जिससे वैध उपयोगकर्ताओं के प्रदर्शन को कम किए बिना उनके क्वेरी बजट को नगण्य डेटा पर व्यर्थ कर दिया जाता है।
FuseChain एक रनटाइम डिटेक्शन फ्रेमवर्क है जो मल्टी-सोर्स टेलीमेट्री को एक टेम्पोरल हेटेरोजेनियस प्रोवेनेंस ग्राफ में एकीकृत करके सॉफ्टवेयर सप्लाई-चेन हमलों का पुनर्निर्माण करता है, जिससे स्पार्स एविडेंस (विरल साक्ष्य) की पहचान सक्षम होती है और एक डिकपल्ड एनोमली डिटेक्शन और स्टेज प्रेडिक्शन आर्किटेक्चर के माध्यम से डिप्लॉयबल अटैक-स्टेज रिकंस्ट्रक्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र AIChilles को प्रस्तुत करता है, जो एक स्वचालित ढांचा है जो उन वर्कलोड्स की खोज करके AI-विकसित प्रणालियों में छिपी कमजोरियों की पहचान करता है जहाँ AI-जनित कोड मानव-निर्मित बेसलाइन्स की तुलना में शुद्धता, प्रदर्शन या गुणवत्ता में पिछड़ जाता है, जिससे विकास जीवनचक्र के दौरान इन दोषों के शमन को सक्षम बनाया जा सके।