309 articoli
Questo articolo presenta un protocollo di estrazione di caratteristiche grafiche causalmente sicure per reti di transazioni temporali, dimostrando che l'aggiunta di descrittori strutturali interpretabili ai dati transazionali migliora l'identificazione delle frodi e supporta l'analisi del rischio nel contesto operativo.
Questo studio dimostra che la scelta della tecnica di costruzione del grafo influenza significativamente le prestazioni dei modelli GNN per il rilevamento di botnet IoT, evidenziando che l'uso del grafo di Gabriel, combinato con un autoencoder variazionale per la riduzione dimensionale, raggiunge la massima accuratezza del 97,56% nel dataset N-BaIoT.
Il documento presenta SDN-SYN PoW, un'architettura di difesa adattiva basata su Software-Defined Networking e Proof-of-Work che rileva e mitiga dinamicamente gli attacchi SYN flood multi-dominio applicando costi computazionali solo alle fonti anomale, garantendo al contempo prestazioni ottimali per i client legittimi.
Questo studio dimostra che i Large Language Models (LLM) possono supportare efficacemente la valutazione degli artefatti nella ricerca sulla sicurezza informatica, automatizzando la valutazione della riproducibilità, la preparazione degli ambienti di esecuzione e l'identificazione di errori metodologici, riducendo così il carico di lavoro dei revisori e migliorando la qualità e la sostenibilità del processo di revisione.
Questo lavoro di sistematizzazione del sapere analizza le sfide che ostacolano l'adozione delle identità digitali sovrane (SSDI), evidenziando come la maggior parte della ricerca si concentri su soluzioni blockchain, mappando applicazioni reali e definendo le frontiere future per un'identità digitale più sicura e controllata dall'utente.
Il paper presenta Space-Control, un progetto hardware-software che colma il divario di sicurezza nella memoria disaggregata CXL fornendo isolamento a livello di processo con un overhead prestazionale minimo del 3,3%.
Il paper presenta pqRPKI, un'architettura RPKI post-quantistica che combina un albero Merkle a più livelli con una nuova struttura di manifest per ridurre drasticamente l'ingombro dei repository e i tempi di validazione, permettendo una transizione graduale e a basso sovraccarico verso la sicurezza contro le minacce quantistiche.
Questo articolo esamina le minacce poste dal calcolo quantistico e dall'intelligenza artificiale ai sistemi crittografici attuali, evidenziando la necessità di un approccio difensivo multilivello che integri algoritmi post-quantistici, rafforzamento delle implementazioni e agilità crittografica per garantire una sicurezza duratura.
Questo articolo presenta un framework di gestione dell'identità dei pazienti incentrato sulla privacy che bilancia l'affidabilità operativa e le forti protezioni dei dati attraverso pseudonimi anonimi e un meccanismo di tracciabilità condizionale, validato sia formalmente che tramite simulazioni per garantire la fattibilità in ambienti clinici.
Questo articolo presenta un'estensione del framework di controllo degli accessi basato sul consenso che, sostituendo la valutazione differita con una validazione preventiva delle conflittualità e introducendo meccanismi di accesso d'emergenza contestuali, garantisce coerenza semantica, bassa latenza e protezione dei dati sanitari.
Il paper presenta TFM, un nuovo framework di attacco che sfrutta la vulnerabilità temporale dei modelli text-to-video inserendo solo condizioni di confine sparse (due fotogrammi) per indurre il modello a generare autonomamente contenuti dannosi, aggirando così i filtri di sicurezza tradizionali.
Questo lavoro dimostra come il monitoraggio di sistema tramite eBPF possa rivelare nuove forme di perdita di informazioni nella crittografia simmetrica ricercabile, consentendo attacchi di abuso più efficaci e sottolineando la necessità di considerare tali vulnerabilità a livello di sistema nella progettazione delle difese.
Il paper propone mAVE, il primo framework di watermarking nativo per modelli di generazione audio-visiva congiunta che, legando crittograficamente le latenti audio e video, risolve la vulnerabilità agli attacchi di sostituzione garantendo integrità e sicurezza senza compromettere le prestazioni.
Il paper presenta aCAPTCHA, un nuovo protocollo di verifica che distingue umani, script e agenti autonomi sfruttando l'asimmetria nella difficoltà di elaborazione temporale tra cognizione umana e intelligenza artificiale.
Questo lavoro propone la Layered Governance Architecture (LGA), un framework a quattro livelli per mitigare le vulnerabilità di esecuzione degli agenti autonomi basati su LLM, e ne valida l'efficacia attraverso un benchmark bilingue e un'implementazione su OpenClaw che dimostra un'intercettazione delle minacce superiore al 96% con latenza minima.
Questo studio propone un framework collaborativo basato su modelli linguistici su larga scala (LLM) che opera on-premises per identificare in modo efficiente e privato i pacchetti software crittograficamente rilevanti, facilitando così la transizione verso la crittografia post-quantistica.
Il paper introduce i modelli di inversione delle tracce, che ricostruiscono processi di ragionamento dettagliati partendo solo da risposte e brevi riassunti di modelli LLM, dimostrando che tale sintesi permette di migliorare significativamente le capacità di ragionamento di modelli studenti tramite fine-tuning, anche senza accesso alle tracce originali.
Il documento dimostra che la risoluzione di istanze casuali di una variante non modulare del problema della soluzione intera corta (SIS) sugli interi consente di ottenere un algoritmo polinomiale per l'approssimazione del problema SIVP nel caso peggiore su reticoli interi n-dimensionali.
Questo lavoro propone un metodo di ottimizzazione basato sul ranking per la memorizzazione in cache codificata in scenari con richieste non uniformi e distribuzione di popolarità sconosciuta, che supera gli approcci precedenti stimando le differenze nelle richieste tra i file anziché la loro popolarità assoluta, ottenendo prestazioni superiori e un rimpianto sublineare in condizioni di risorse limitate o dati contaminati.
Questo articolo presenta un metodo di rilevamento del jamming per le reti 5G basato sulla Convolutional Tsetlin Machine (CTM), che offre un'alternativa efficiente in termini di risorse, interpretabile e adatta all'hardware rispetto alle reti neurali convoluzionali, garantendo prestazioni comparabili con tempi di addestramento ridotti e un minore consumo di memoria su dispositivi edge.