3343 पेपर
HE-DAP एक क्रॉस-प्लेटफ़ॉर्म अनुकूलन ढांचा है जो विविध हार्डवेयर वातावरणों में गोपनीयता-संरक्षित सांख्यिकीय विश्लेषण के लिए इनवर्स स्क्वायर रूट गणना को महत्वपूर्ण रूप से त्वरित करने और एंड-टू-एंड प्रदर्शन को बढ़ाने के लिए होमोमोर्फिक एन्क्रिप्शन में बहुपद मूल्यांकन और बूटस्ट्रैपिंग के बीच के ट्रेड-ऑफ को स्वचालित रूप से अनुकूलित करता है।
यह शोध पत्र टू-वे कॉन्फिडेंशियल वर्चुअल मशीनों (2cVM) को प्रस्तुत करता है, जो एक व्यावहारिक आर्किटेक्चर है जो हार्डवेयर ट्रस्टेड एक्जीक्यूशन एनवायरनमेंट्स को सूक्ष्म-स्तरीय सैंडबॉक्सिंग के साथ जोड़ता है ताकि परस्पर अविश्वासी पक्षों को एक अपरिवर्तनीय, सत्यापन योग्य नीति के तहत संवेदनशील डेटा और कोड पर प्रबंधनीय प्रदर्शन ओवरहेड के साथ सहयोगात्मक रूप से गणना करने में सक्षम बनाया जा सके।
यह शोध पत्र PoQ-Judge को प्रस्तुत करता है, जो एक मल्टी-आर्किटेक्चर फ्रेमवर्क है जो विकेंद्रीकृत LLM इन्फरेंस गुणवत्ता का मूल्यांकन करने के लिए रेफरेंस-फ्री जज मॉडल को प्रशिक्षित करता है, जो ऑनलाइन कैलिब्रेशन और कैस्केड इवैल्यूएशन के माध्यम से ग्राउंड-ट्रुथ प्रॉक्सी के साथ मजबूत सहसंबंध और महत्वपूर्ण लागत कटौती प्राप्त करता है।
यह शोध पत्र एक कंप्यूट-अवेयर (compute-aware) मूल्यांकन ढांचे का प्रस्ताव करता है जो निश्चित क्वेरी बजट के बजाय संचयी FLOPs का उपयोग करके प्रतिकूल जोखिम (adversarial risk) को मापता है, जिससे यह पता चलता है कि अलाइनमेंट ट्रेनिंग और मॉडल स्केलिंग का बड़े भाषा मॉडलों (LLMs) को जेलब्रेक करने के लिए आवश्यक कम्प्यूटेशनल प्रयास पर गैर-एकदिष्ट (non-monotonic) और श्रेणी-निर्भर प्रभाव पड़ता है।
यह शोध पत्र MPC-Patch-Bench को प्रस्तुत करता है, जो एक नवीन रिपॉजिटरी-स्तरीय बेंचमार्क है जिसे एक विशेष डेटा क्यूरेशन फ्रेमवर्क और एक कठोर MPC वेरीफायर के माध्यम से क्रिप्टोग्राफिक सुरक्षा और संख्यात्मक निष्ठा (numerical fidelity) को लागू करके, मौजूदा बेंचमार्क की अद्वितीय संरचनात्मक और सुरक्षा सीमाओं को संबोधित करते हुए, सिक्योर मल्टी-पार्टी कंप्यूटेशन कोड रिपेयर पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र इस बात का मूल्यांकन करता है कि स्पैम और फ़िशिंग ईमेल का तीव्र विकास (कॉन्सेप्ट ड्रिफ्ट) मशीन लर्निंग-आधारित डिटेक्शन सिस्टम के प्रदर्शन को कैसे कम करता है और इस प्रदर्शन गिरावट को कम करने की रणनीतियों का पता लगाता है।
यह अध्ययन CelebA-Spoof और MSU-MFSD डेटासेट का उपयोग करके चेहरे के स्पूफिंग हमलों का पता लगाने में MobileNetV2, DenseNet-121, Inception-v3 और Spoof Trace Disentanglement सहित विभिन्न डीप लर्निंग मॉडलों की प्रभावशीलता का मूल्यांकन करता है, जो अंततः वास्तविक दुनिया के बायोमेट्रिक सुरक्षा अनुप्रयोगों के लिए MobileNetV2 को सबसे कुशल समाधान के रूप में पहचानता है।
यह शोधपत्र अनसुपरवाइज्ड (unsupervised) ईसीजी (ECG) विसंगति का पता लगाने के लिए एक गोपनीयता-संरक्षण फेडरेटेड ऑटोएन्कोडर प्रणाली प्रस्तुत करता है जो कानूनी-स्तर की गोपनीयता बनाए रखने और नॉन-आईआईडी (non-IID) अस्पताल डेटा को संभालने के साथ-साथ एज डिवाइस पर उच्च पहचान सटीकता प्राप्त करने के लिए डिफरेंशियल प्राइवेसी, फेडरेटेड लर्निंग और INT8 क्वांटाइजेशन को सफलतापूर्वक एकीकृत करता है।
यह शोध पत्र एक नियत (deterministic) फोरेंसिक प्रीप्रोसेसिंग फ्रेमवर्क प्रस्तुत करता है जो विषम नेटवर्क डेटासेट को एक पुनरुत्पादनीय कैनोनिकल रूप में परिवर्तित करने के लिए स्कीमा, टेम्पोरल और प्रोवेनेंस रूपांतरणों को औपचारिक रूप देता है, जिससे विविध फोरेंसिक परिदृश्यों में साक्ष्य निरंतरता, स्वीकार्यता और स्केलेबल प्रदर्शन सुनिश्चित होता है।
यह शोध पत्र सुपरस्पेस एकाग्रता (superspace concentration) को, जिसे फोकस माप द्वारा परिमाणित किया गया है, एक विशिष्ट क्वांटम संसाधन के रूप में स्थापित करता है जो ओरेकल क्वेरी जटिलता (oracle query complexity) को समझने के लिए एक संसाधन-सैद्धांतिक ढांचा प्रदान करता है और मानक फिडेलिटी (fidelity) एवं विषमता (asymmetry) मापों की तुलना में सुसंगत हमलों (coherent attacks) के विरुद्ध बेहतर प्रतिकूल मजबूती (adversarial robustness) प्रदर्शित करता है।