3343 पेपर
यह शोध पत्र "कलेक्टिव सिमेंटिक करप्शन" (CSC) को प्रस्तुत करता है, जो गैर-नियंत्रण-डेटा हमलों का एक नया वर्ग है जो लेन मास्क और समूह लेबल जैसे भागीदारी मेटाडेटा में हेरफेर करके CUDA सामूहिक निर्णय लेने की प्रक्रिया से समझौता करता है, और प्राधिकरण से पहले इस मेटाडेटा को सत्यापित करने और बाध्य करने के लिए एक रक्षात्मक तंत्र के रूप में "कलेक्टिव इंटीग्रिटी कॉन्ट्रैक्ट्स" (CIC) का प्रस्ताव करता है।
यह शोध पत्र आईडी कार्ड छवियों पर ओपन फेस इमेज क्वालिटी (OFIQ) मापों को लागू करने के लिए एक प्रीप्रोसेसिंग पाइपलाइन का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि ये गुणवत्ता मूल्यांकन विविध डेटासेट में प्रेजेंटेशन अटैक डिटेक्शन एल्गोरिदम के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाते हैं।
यह शोध पत्र एक ऑनलाइन निगरानी प्रणाली प्रस्तुत करता है जो अनुक्रमिक सांख्यिकी (sequential statistics) का उपयोग करके तैनात सुरक्षा वर्गीकरणकर्ताओं (safety classifiers) में वितरण संबंधी बदलावों (distributional shifts) का पता लगाती है और तत्पश्चात लक्षित त्रुटि दरों को पुनः प्राप्त करने के लिए कॉन्फॉर्मल अनुकूलन (conformal adaptation) का उपयोग करती है, हालांकि इसकी प्रभावशीलता विभिन्न मॉडल आर्किटेक्चर और बदलाव के प्रकारों के बीच काफी भिन्न होती है, जिसके लिए प्रति-वर्गीकरणकर्ता निगरानी प्रोफाइल की आवश्यकता होती है।
यह शोध पत्र 8 आयामों में 566 द्विघात (quadratic) APN फलनों की खोज करने के लिए एक विशिष्ट 40-आयामी स्व-तुल्यता उपसमष्टि (self-equivalence subspace) के भीतर रैंडम सैंपलिंग और ग्रोबनर बेसिस एन्यूमरेशन (Gröbner basis enumeration) को संयोजित करने वाले एक हाइब्रिड कम्प्यूटेशनल सर्च को प्रस्तुत करता है, जिसमें तीन पूर्व अज्ञात CCZ-तुल्यता वर्ग भी शामिल हैं जिन्हें पिछले व्यापक डेटाबेस द्वारा छोड़ दिया गया था।
यह शोध पत्र ACI-IoT-2023 डेटासेट पर CNN, LSTM और रैंडम फॉरेस्ट क्लासिफायर की एडवरसैरियल मजबूती (adversarial robustness) का मूल्यांकन करता है, जो यह प्रकट करता है कि जहाँ रैंडम फॉरेस्ट बेहतर बेसलाइन सटीकता प्राप्त करता है, वहीं यह न्यूनतम गड़बड़ी (perturbations) के तहत विफल हो जाता है, जबकि CNN काफी अधिक लचीलापन और क्रमिक गिरावट (graceful degradation) प्रदर्शित करते हैं, जिससे एडवरसैरियल नेटवर्क घुसपैठ का पता लगाने वाले वातावरण में CNN-आधारित आर्किटेक्चर के लिए एक अनुशंसा प्राप्त होती है।
यह शोध पत्र यह प्रकट करता है कि LLM ग्राफ मेमोरी के लिए मौजूदा प्रोवेनेंस-आधारित रक्षा प्रणालियाँ संरचनात्मक चयन हमलों (structural selection attacks) के प्रति मौलिक रूप से अंधापन रखती हैं, जहाँ अविश्वसनीय इनपुट प्रमाणित सामग्री को बदले बिना पुनर्प्राप्ति परिणामों (retrieval outcomes) में हेरफेर करते हैं, और प्रमाणित उप-ग्राफों (subgraphs) पर पुनर्प्राप्ति को पुनर्गणना करने द्वारा चयन अखंडता को लागू करने के लिए \authselect\ तंत्र का प्रस्ताव करता है, जिससे महत्वपूर्ण कार्यों के मौन दिशा-भटकाव को नगण्य विलंबता ओवरहेड के साथ रोका जा सकता है।
यह शोध पत्र रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम में ज्ञान-निष्कर्षण (knowledge-extraction) हमलों और सुरक्षा उपायों के मूल्यांकन के लिए पहला व्यवस्थित बेंचमार्क प्रस्तुत करता है, जो विविध मॉडलों, डेटासेट और भाषाओं में मानकीकृत प्रोटोकॉल के साथ एक एकीकृत ढांचे को स्थापित करता है ताकि पुनरुत्पादनीय तुलना सक्षम की जा सके और गोपनीयता-संरक्षित RAG अनुप्रयोगों के विकास को निर्देशित किया जा सके।
यह शोध पत्र सिंथेटिक सारणीबद्ध डेटा (tabular data) की गोपनीयता के ऑडिटिंग के लिए एक LLM-आधारित भेदभाव पद्धति का प्रस्ताव और मूल्यांकन करता है, जो यह प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) विभिन्न संश्लेषण मॉडलों और डेटासेट्स के बीच वास्तविक और सिंथेटिक तालिकाओं के बीच प्रभावी ढंग से अंतर कर सकते हैं, जो पारंपरिक सांख्यिकीय परीक्षणों और मानव मूल्यांकन के लिए एक व्यावहारिक विकल्प प्रदान करता है।
सेफक्लाउड (Safecloud) एक वितरित, एन्क्रिप्टेड स्टोरेज और स्ट्रीमिंग नेटवर्क है जो ब्राउज़र-आधारित स्टोरेज नोड्स और फेडरेटेड राउटरों के बीच फाइलों को केवल साइफरटेक्स्ट (ciphertext-only) चंक्स में विभाजित और एन्क्रिप्ट करके गोपनीयता सुनिश्चित करता है, जो एक नवीन की पदानुक्रम (key hierarchy) और कन्वर्जेंट एड्रेसिंग का उपयोग करता है ताकि प्लेनटेक्स्ट या कुंजियों को कभी भी उजागर किए बिना सुरक्षित डीडुप्लिकेशन, कुशल O(1) स्ट्रीमिंग और सत्यापन योग्य, कम लागत वाले प्रोत्साहन सक्षम किया जा सके।
यह शोध पत्र Face-Fairness (FF) प्रस्तुत करता है, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जिसमें पहला जनसांख्यिकीय लेबल-मुक्त तरीका (Face-Feature Tuning) शामिल है जो फ्रोजन फेस एम्बेडिंग्स के आधार पर लॉजिट्स को रीमैप करके डीपफेक डिटेक्शन में पूर्वाग्रह को कम करता है, जिससे समग्र सटीकता से समझौता किए बिना या पुन: प्रशिक्षण की आवश्यकता के बिना समूहों के बीच प्रदर्शन अंतराल को कम किया जाता है।