313 articoli
Il documento presenta Lattice (LAT), un sistema di contanti elettronico peer-to-peer progettato come strato di regolamento post-quantistico che integra resistenza hardware tramite Proof-of-Work RandomX, resilienza di rete con aggiustamento della difficoltà LWMA-1 e firme digitali quantistiche ML-DSA-44, senza alcun fallback a firme classiche.
Il paper presenta ZK-ACE, un nuovo strato di autorizzazione basato su identità che utilizza dimostrazioni a conoscenza zero per sostituire i costosi oggetti di firma post-quantistica nelle transazioni blockchain, riducendo drasticamente i dati di consenso visibili e garantendo sicurezza contro replay e sostituzioni.
Il paper presenta AR-ACE, un protocollo di relay per ambienti blockchain post-quantum che elimina l'overhead delle prove di validità lungo il percorso di propagazione richiedendo solo attestazioni compatte ai nodi di relay, mentre la verifica aggregata avviene esclusivamente presso il builder, riducendo drasticamente la larghezza di banda necessaria.
Questo paper presenta una pipeline di tecniche, composta da tSCAN e tSEARCH, per scoprire e sfruttare il valore estrattibile massimo legato ai contratti token (tMEV), dimostrando che tale approccio può generare profitti dieci volte superiori rispetto alle attività MEV osservate su Ethereum.
Questo rapporto descrive l'esperienza e le tecniche impiegate per convertire un monolite C++ da 800.000 righe in un'applicazione Java EE eseguita su WildFly, affrontando sfide architetturali e linguistiche specifiche attraverso lo sviluppo di un tool basato su clang per la rigenerazione continua del codice.
Gli autori propongono un protocollo di distribuzione quantistica di chiavi bipartita basato sull'ordine causale indefinito, in cui Alice e Bob eseguono operazioni locali in un gioco di indovinello causale che garantisce una probabilità di corrispondenza dei bit dell'85,35% in assenza di disturbi, rendendo il sistema compatibile con strategie standard di correzione degli errori.
Questo articolo presenta uno studio comparativo completo sulle tecniche avanzate, le architetture e le metodologie di valutazione dei sistemi di rilevamento delle intrusioni per l'Internet delle Cose, offrendo una risorsa preziosa per ricercatori e professionisti della sicurezza IoT.
Il paper presenta SplitAgent, un'architettura distribuita innovativa che risolve il dilemma della privacy nella collaborazione tra agenti aziendali e cloud tramite una sanificazione dinamica contestuale, garantendo un elevato livello di protezione dei dati senza compromettere l'accuratezza delle attività.
Il paper presenta XTRIDE, un approccio basato su n-grammi ad alta velocità che supera lo stato dell'arte nel recupero di strutture e firme di funzioni dai binari, offrendo una precisione superiore e un throughput fino a 2300 volte più rapido per l'integrazione in pipeline automatizzate.
Questo articolo presenta BladeChain, un sistema basato su blockchain che garantisce la tracciabilità immutabile delle ispezioni delle pale dei motori aeronautici, integrando l'endorsement multi-stakeholder, la pianificazione automatizzata e la provenienza dei modelli di intelligenza artificiale per migliorare l'auditabilità e la sicurezza nella manutenzione aerea.
Questo lavoro presenta la prima analisi sistematica dell'integrazione tra Grafi di Attacco e Sistemi di Rilevamento delle Intrusioni, proponendo un nuovo ciclo di vita formale che stabilisce un feedback continuo per migliorare congiuntamente la precisione dei modelli e le capacità di rilevamento delle minacce.
Il paper introduce SlowBA, un attacco backdoor innovativo che compromette l'efficienza degli agenti GUI basati su modelli visione-linguaggio inducendo latenze eccessive attraverso catene di ragionamento innescate da finestre pop-up realistiche, pur mantenendo inalterata l'accuratezza delle azioni.
Questo lavoro presenta un'architettura di capacità innovativa e un'implementazione FPGA che, disaggregando il sistema operativo Zephyr in componenti isolati, garantisce la sicurezza dei dispositivi embedded senza richiedere modifiche hardware alle periferiche e rendendo tutti i componenti software a runtime non attendibili.
Il paper presenta CliCooper, un framework di Split Learning cooperativo multi-cliente che, in ambienti eterogenei e parzialmente fidati, garantisce privacy e integrità del training attraverso protezione delle attivazioni basata sulla privacy differenziale, offuscamento dei label e un sistema dinamico di watermarking concatenato, riducendo drasticamente il successo degli attacchi di inferenza e ricostruzione senza compromettere l'accuratezza del modello.
Il paper propone un quadro teorico unificato per modellare i fattori comportamentali umani nella cybersecurity aziendale, integrando concetti come consapevolezza e cultura della sicurezza, e ne estende l'applicabilità come modello di riferimento per sviluppare strategie di difesa contro gli attacchi di manipolazione rivolti agli agenti di intelligenza artificiale autonomi.
Questo studio dimostra come l'intelligenza artificiale generativa abbia democratizzato l'hacking dei robot consumer, permettendo di scoprire e sfruttare automaticamente decine di vulnerabilità critiche in dispositivi come tosaerba ed esoscheletri, evidenziando la necessità urgente di evolvere le difese tradizionali verso agenti difensivi nativi dell'IA.
Questo lavoro dimostra che i sistemi attuali di verifica della proprietà dei dataset basati su watermark backdoor sono vulnerabili alla contraffazione statistica, rendendo tali prove inadeguate per le dispute legali sul copyright.
Il paper presenta TCBS-Attack, un nuovo attacco di jailbreak in black-box per modelli Text-to-Image che supera le difese a catena completa cercando token vicino ai confini decisionali dei sistemi di controllo, ottenendo così un'efficienza e un tasso di successo superiori rispetto agli stati dell'arte.
Questo articolo introduce la prima valutazione sistematica di attacchi consapevoli dei cluster contro i filigrane dei grafi, dimostrando che gli avversari che sfruttano la struttura comunitaria possono compromettere l'accuratezza dell'attribuzione con una distorsione strutturale inferiore rispetto alle perturbazioni casuali, rivelando così la vulnerabilità degli attuali schemi di protezione.
Questo articolo offre un'analisi completa dell'evoluzione e dell'integrazione della privacy differenziale nei modelli di machine learning, spaziando dai sistemi simbolici ai grandi modelli linguistici, con l'obiettivo di promuovere lo sviluppo di sistemi di intelligenza artificiale sicuri e responsabili.