284 papers
Dit onderzoek schat op basis van een representatieve steekproef en data van Have I Been Pwned dat ten minste 82,84% van de Amerikanen minstens één online account heeft zien lekken, met een gemiddelde van ten minste drie inbreuken per persoon, waarbij beter opgeleiden, mensen in de middelbare leeftijd, vrouwen en blanken vaker slachtoffer zijn.
Deze survey biedt een overzicht van decentrale federatieve leermethodes tot begin 2026, classificeert ze in traditionele en blockchain-gebaseerde families, stelt een nieuwe taxonomie voor die gebaseerd is op uitdagingen, en identificeert kritieke onderzoekslacunes en toekomstige richtingen op het gebied van beveiliging, privacy en prikkels.
Dit onderzoek toont aan dat updates van grote taalmodellen niet consequent leiden tot verbeterde weerbaarheid tegen adversariële aanvallen, aangezien nieuwe versies soms juist slechter presteren op gebieden zoals misclassificatie en hallucinaties ondanks verbeterde beveiliging tegen jailbreaks.
Dit artikel introduceert het niet-commutatieve variant van het Learning with Errors-probleem over groepsringen van semi-directe producten van cyclische groepen en bewijst de kwantum-hardheid ervan door middel van polynomiale reducties van het ergste geval van het SIVP-probleem in ideaalroosters naar zowel de zoek- als de beslissingsversie van GRLWE.
Dit paper introduceert VisPoison, een effectief backdoor-aanvalskader dat via datavergiftiging kwetsbaarheden blootlegt in tekst-naar-visualisatiemodellen voor tabulaire data, waardoor deze gevoelige informatie kunnen lekken, misleidende visualisaties genereren of geweigerde diensten veroorzaken.
Dit paper introduceert Kite, een protocol dat het mogelijk maakt om stemkracht in DAO's privé te delegeren zonder de identiteit van de delegator of de geadresseerde te onthullen, en dat veilig en praktisch is geïmplementeerd als een extensie van het Governor Bravo smart contract op Ethereum.
Dit paper introduceert MCP Bridge, een lichtgewicht RESTful proxy die Model Context Protocol-servers toegankelijk maakt voor resource-beperkte omgevingen via een veilige, LLM-agnostische API, en combineert dit met een geoptimaliseerde Qwen3-variant die op de MCPToolBench++-benchmark aanzienlijk beter presteert dan bestaande baselines.
Dit paper introduceert JULI, een methode die zwarte-doos Large Language Models via een plug-in genaamd BiasNet en manipulatie van token-logkansen, zelfs met slechts de top-5 voorspellingen, succesvol kan omzeilen zonder toegang tot modelgewichten.
Dit paper introduceert Adaptive Tamaraw, een adaptief framework dat website fingerprinting-aanvallen effectief tegengaat door tracepatronen te clusteren en paddingparameters dynamisch aan te passen, waardoor de beveiliging met bewijsbare garanties wordt gecombineerd met een tot 99% lagere overhead ten opzichte van de klassieke Tamaraw-methode.
Dit artikel presenteert bewijs dat verschillende vormen van kwantumpseudorandomheid, zoals pseudorandom unitaires en state generators, niet onderling uitwisselbaar zijn, door orakelseparaties te tonen die aantonen dat bepaalde constructies onmogelijk zijn en dat de inverse-polynoomfout in bestaande kwantumgeneratoren inherent is.
Deze paper bewijst dat de conversieregel die gebaseerd is op het snijpunt van RDP-privacyregio's de optimale en onverbeterbare methode is om Rényi-differentiële privacy om te zetten in -differentiële privacy.
Dit artikel heroverweegt de bestaande veiligheidszorgkaders voor geavanceerde AI-systemen door lessen uit de traditionele veiligheidsindustrie te integreren en een robuuster raamwerk te presenteren dat specifiek ingaat op risico's zoals misleidende uitlijning en CBRN-capaciteiten.
HeteroFedSyn is het eerste differentieel private framework voor de synthese van tabulardata in horizontale federale omgevingen, dat door middel van drie innovaties voor gedistribueerde marginaalselectie de bruikbaarheid van de gegenereerde data behoudt ondanks heterogene dataverdelingen.
Dit paper introduceert deZent, een gedecentraliseerde implementatie van z-anonimiteit die privacy in sensornetwerken verbetert door lokale anonimiseringsprocessen te coördineren met behulp van een stochastische telstructuur en een beveiligde som, waardoor de afhankelijkheid van een centraal entiteit wordt verminderd en de communicatie-overhead wordt verlaagd zonder in te leveren op de prestaties.
Dit artikel introduceert NetDiffuser, een nieuw raamwerk dat diffusiemodellen en een innovatief feature-categorisatiealgoritme combineert om natuurlijke adversariële voorbeelden te genereren die DNN-gebaseerde netwerkintrusiedetectiesystemen effectief misleiden met een aanzienlijk hogere aanvalsuccesratio dan bestaande methoden.
Dit artikel presenteert een uitgebreid privacy-evaluatiekader dat drie methoden combineert om het risico op memorisatie van gevoelige genomische data in Genomic Language Models te kwantificeren, waarbij wordt vastgesteld dat geen enkele aanvalsmethode het volledige risico dekt en dat multi-vector auditing noodzakelijk is.
Dit paper introduceert Arbiter, een framework dat formele regels en multi-model LLM-scouring combineert om interferentiepatronen in systeemprompts van coderingsagenten te detecteren, waarbij het verschillende kwetsbaarheden blootlegt die vaak worden gemist door traditionele methoden.
Deze studie biedt de eerste empirische vergelijking van 16 beveiligingskaders voor multi-agent systemen en concludeert dat geen enkel bestaand kader voldoende dekking biedt, met name voor niet-determinisme en datalekken, waarbij het OWASP Agentic Security Initiative en het CDAO Responsible AI Toolkit de beste resultaten behalen.
Dit artikel introduceert Lockbox, een Zero Trust-architectuur die geavanceerde isolatie, encryptie en strikte toegangscontroles implementeert om de veilige verwerking van gevoelige cloud-workloads, inclusief AI-gestuurde analyses, binnen enterprise-omgevingen mogelijk te maken.
Dit artikel introduceert een hybride analyseframework dat concolische uitvoering combineert met LLM-gestuurde padprioritering en deep learning om zero-day AI-genereren malware met bewezen garanties en hoge nauwkeurigheid te detecteren.