315 papers
Het paper introduceert AttriGuard, een runtime-benadering die indirecte prompt-injectie in LLM-agenten effectief bestrijdt door tooloproepen te verifiëren via causale attributie en contrafactuele tests om te onderscheiden tussen acties die voortvloeien uit de gebruikersintentie en die welke door onbetrouwbare externe observaties worden veroorzaakt.
Dit paper presenteert een aanpak die fysiek onkloonbare functies (PUF's) gebruikt om de gewichten van neurale netwerken te koppelen aan unieke hardware-eigenschappen, waardoor het kopiëren van deze modellen naar gekloonde hardware onmogelijk wordt gemaakt en de intellectuele eigendom effectief wordt beschermd.
Deze studie analyseert de prestaties van incrementeel federatief leren met LSTM-modellen op de CICIoMT2024-dataset om robuuste en privacy-bewuste intrusiedetectiesystemen voor IoT-netwerken te ontwikkelen die effectief omgaan met conceptdrift en beperkte rekenkracht.
Deze studie weerlegt de optimistische conclusies van EVMbench over de onmiddellijke bruikbaarheid van volledig geautomatiseerde AI-audits voor smart contracts door aan te tonen dat de prestaties van agenten instabiel zijn, gevoelig voor data-verontreiniging en afhankelijk van de gebruikte scaffolding, waardoor menselijke expertise in een 'human-in-the-loop'-workflow onmisbaar blijft.
Dit artikel onderzoekt hoe backdoor-aanvallen in Vision Transformers worden gerepresenteerd door een specifieke 'trigger-richting' te identificeren die causaal de kwaadaardige gedraging beïnvloedt, en gebruikt deze inzichten om de interne verwerking van triggers te analyseren en een data-vrije detectiemethode voor stealthy-aanvallen te ontwikkelen.
Het paper introduceert MAD, een nieuwe aanpak die geheugenallocatie combineert met softwarediversiteit om RowHammer-aanvallen te vertragen door middel van ruimtelijke diversificatie, waardoor de aanval wordt uitgesteld voor verdere reacties zonder prestatieverlies of hardwarewijzigingen.
Dit paper introduceert TOSSS, een op CVE's gebaseerde benchmark die de veiligheid van Large Language Models evalueert door hun vermogen te meten om tussen veilige en kwetsbare codefragmenten te kiezen, waarbij geteste modellen scores tussen 0,48 en 0,89 behalen.
Dit artikel presenteert een laboratoriumstudie die de impact van klassieke, hybride en zuivere post-kwantum cryptografie op de prestaties van meerdere lagen van TLS 1.3-handshakes in HTTP-transacties analyseert.
Dit papier lost een open vraag op door een expliciet voorbeeld te presenteren dat aantoont dat er een fundamenteel verschil bestaat tussen de oblivious en adaptieve settings van differentieel privacy onder continue observatie, waarbij het oblivious model aanzienlijk beter presteert dan het adaptieve model.
Dit artikel onderzoekt de kwetsbaarheid van gepartitioneerde kwantumbesturders voor adversariale perturbaties die circuit-cutting of quantum-teleportatie beïnvloeden, en onthult een fundamenteel verband tussen dergelijke aanvallen en het implementeren van kwaadaardige poorten in de tussenliggende lagen van een kwantumclassificatie.
Dit paper introduceert HVAC-EAR, een systeem dat intelligibele spraak kan reconstrueren uit ruisende drukdata van HVAC-systemen door een complex-waardige conformer te gebruiken, waardoor voor het eerst privacyrisico's oplopen tot 1,2 meter afstand worden aangetoond.
Het artikel introduceert SPARK, een jailbreak-framework dat T2V-modellen omzeilt door veilige prompts te combineren met neutrale scènes, sluwe auditieve triggers en cinematografische richtlijnen om verborgen onveilige video's te genereren.
Dit artikel introduceert het concept van Tools Orchestration Privacy Risk (TOP-R), waarbij autonome agenten via LLM's onbedoeld gevoelige informatie synthetiseren uit niet-gevoelige tool-data, en biedt de eerste systematische analyse, een nieuw benchmark (TOP-Bench) en effectieve mitigatiestrategieën om dit privacyrisico aan te pakken.
Deze paper introduceert WBC, een nieuw aanvalsmodel dat de effectiviteit van lidmaatschapsinference-aanvallen op fine-tuned grote taalmodellen aanzienlijk verbetert door lokale, contextgebonden geheugensignalen te analyseren in plaats van te vertrouwen op globale gemiddelden.
Dit paper introduceert een nieuwe "peak + accumulation"-scoringsformule die per-ronde risico's effectief aggregeert tot een conversatie-niveau risicoscore voor multi-turn prompt-injectie-aanvallen, en bereikt hiermee 90,8% recall bij een lage false-positive rate zonder gebruik van een LLM.
Het paper introduceert Scrambler, een e-graafgebaseerde tool voor Mixed Boolean Arithmetic-obfuscatie die via gelijkheidsuitbreiding efficiënt complexe en diverse expressies genereert met gegarandeerde equivalentie.
Het artikel introduceert Traversal-as-Policy, een methode die OpenHands-uitvoeringslogs distilleert tot een uitvoerbaar, verifieerbaar Gated Behavior Tree-beleid dat autonome agents veiliger, robuuster en efficiënter maakt door het onbeperkte genereren te vervangen door gestructureerde boomtraversie met deterministische veiligheidscontroles.
Dit artikel introduceert een theoretisch kader en een privacy-geregulariseerd trainingsframework om compositiegevoelige privacylekkage in sequentiële multi-agent LLM-systemen te beperken, waarbij wordt aangetoond dat privacy een systeemkarakteristiek is die niet alleen door lokale beperkingen kan worden gegarandeerd.
Dit artikel introduceert 'ecosystem trust profiles' als een methode om digitale ecosystemen en data spaces autonome, soevereine maar onderling interoperabele vertrouwenssystemen te laten definiëren, waarbij de mate van interoperabiliteit exact wordt bepaald door de gemeenschappelijkheid in deze vertrouwensprofielen.
Dit artikel introduceert het PPCMI-SF-framework, een privacybehoudend systeem voor samenwerking tussen medische instellingen dat door middel van cryptografisch versleutelde latenterepresentaties en een server-zijde vertaalmapping nauwkeurige beeldsegmentatie mogelijk maakt zonder dat gevoelige patiëntdata gedeeld hoeft te worden.