315 articoli
Questo articolo presenta un'analisi comparativa approfondita di cinque principali standard e framework per token cross-chain (xERC20, OFT, NTT, CCT e SuperchainERC20), esaminando le loro differenze architetturali, nei meccanismi di messaggistica, nei modelli di fiducia e negli ecosistemi di destinazione pur condividendo l'obiettivo comune di garantire la fungibilità unificata attraverso più blockchain.
Questo articolo introduce SIABENCH, un framework di valutazione agenziale che presenta un nuovo dataset e un agente autonomo per testare rigorosamente 11 modelli linguistici su compiti complessi di analisi degli incidenti di sicurezza, colmando il vuoto di benchmarking esistente nel settore.
Il paper presenta Proteus, un framework pratico per la registrazione di log su dispositivi che garantisce l'analisi forense preservando la privacy e l'integrità dei dati attraverso pseudonimizzazione crittografica, rotazione temporale delle chiavi e attestazione dell'origine, minimizzando al contempo l'overhead di latenza e dimensione.
Questo articolo identifica e sfrutta un nuovo canale laterale nei computer quantistici a ioni intrappolati, dimostrando come le fughe di segnali radiofrequenza dai modulatori acusto-ottici possano essere utilizzate per estrarre informazioni proprietarie sulle operazioni quantistiche e proponendo strategie per mitigare tale vulnerabilità.
Questo articolo presenta un nuovo framework per la stima della funzione di distribuzione cumulativa (CDF) con privacy differenziale, basato su metodi di approssimazione funzionale come la proiezione polinomiale e l'approssimazione sparsa, che offrono prestazioni superiori o comparabili rispetto alle tecniche esistenti e sono particolarmente adatti a contesti decentralizzati e a dati in streaming.
Il paper presenta SHIELD, un framework di rilevamento ransomware indipendente dall'host che, analizzando caratteristiche deep del filesystem direttamente a livello di controller di archiviazione, garantisce un rilevamento tamper-proof con un'accuratezza del 97,29% e un blocco rapido delle operazioni dannose prima che vengano crittografati più dello 0,4% dei file.
Il paper introduce StegoAttack, un framework che utilizza la steganografia per nascondere query dannose all'interno di testi innocui, risolvendo il compromesso tra furtività semantica e linguistica e ottenendo un tasso di successo degli attacchi del 95,50% contro i principali modelli LLM.
Il documento propone il framework CREO, un approccio matematico che ottimizza l'entropia di Rényi vincolando la vicinanza dei primi RSA per aumentare la resistenza agli attacchi quantistici mantenendo la piena compatibilità con le infrastrutture crittografiche esistenti.
Questo lavoro introduce il paradigma dell'apprendimento sotto supervisione di un arbitro, in cui un apprendista valuta modelli opachi confrontando due provatori in competizione (uno onesto e uno disonesto), dimostrando che tale approccio consente di identificare il modello migliore con una precisione elevatissima e un costo di query e comunicazione drasticamente inferiori rispetto ai metodi tradizionali.
Questo studio dimostra che è possibile ricostruire quasi interamente il testo originale dai soli percorsi di selezione degli esperti nei modelli MoE, rivelando che tali dati di routing costituiscono una fonte di informazione sensibile paragonabile al testo stesso.
Questo articolo offre una revisione completa e una categorizzazione sistematica dei modelli quantitativi di fiducia nelle reti sociali online, esplorando le basi teoriche psicologiche, analizzando le fondamenta algoritmiche degli stati dell'arte e fornendo una guida pratica all'implementazione che include dataset, tecniche e scenari applicativi.
Questo studio propone un framework in tre fasi basato sui dati AIS, che integra diagnosi delle regole di comunicazione, filtri di coerenza cinematica e clustering spaziotemporale per rilevare spoofing e jamming GNSS su larga scala nelle acque costiere coreane, riducendo le falsità allarme del 98,6% senza l'uso di sensori dedicati.
Questo articolo presenta il primo sondaggio sistematico sulla sicurezza degli agenti AI, offrendo un quadro completo del panorama delle minacce, delle strategie di difesa e delle sfide aperte per questi sistemi emergenti.
Il paper presenta WebWeaver, un framework di attacco che infere in modo stealthy la topologia completa dei sistemi multi-agente basati su LLM compromettendo un singolo agente arbitrario e sfruttando contesti e meccanismi di diffusione, superando così i limiti delle metodologie precedenti che dipendono da assunzioni irrealistiche.
Questo articolo presenta una revisione sistematica delle tecniche di caching codificato sicuro, analizzando i requisiti di sicurezza e privacy, valutando i compromessi tra protezione ed efficienza, e identificando le sfide aperte per il futuro nel contesto delle reti di distribuzione dei contenuti.
Questo studio introduce un quadro di leggi di scala per analizzare sistematicamente come il successo degli attacchi di jailbreak ai grandi modelli linguistici cresca con lo sforzo computazionale, rivelando che i metodi basati sul prompt sono più efficienti e efficaci rispetto alle tecniche di ottimizzazione e che la vulnerabilità dipende fortemente dal tipo di danno ricercato.
Questo lavoro risolve incondizionatamente una questione aperta sulla densità dei determinanti radici primitive su campi finiti, dimostrando che tale densità non si annulla e fornendo limiti espliciti che garantiscono un'efficienza accettabile per il problema PRIM-LWE in crittografia post-quantistica.
Il paper presenta DNS-GT, un modello Transformer basato su grafi che apprende rappresentazioni contestuali dei nomi di dominio dalle query DNS in modo auto-supervisionato, ottenendo prestazioni superiori rispetto ai metodi esistenti nei compiti di classificazione e rilevamento di botnet.
Il paper propone SCS-Code, un meccanismo di steering che sfrutta le rappresentazioni interne dei modelli linguistici per guidare la generazione di codice verso concetti di sicurezza, superando i limiti dei metodi attuali e migliorando significativamente sia la correttezza funzionale che la sicurezza del codice prodotto.
Questo articolo propone un metodo basato sull'apprendimento per rinforzo multi-agente per calcolare un equilibrio di Nash in un gioco a somma zero tra attaccanti e difensori, permettendo di rilevare attacchi di iniezione di dati falsi nelle reti di routing veicolare e garantire tempi di viaggio ottimali anche in presenza di perturbazioni strategiche.