315 artigos
Este artigo apresenta uma análise comparativa abrangente de cinco principais padrões e frameworks de tokens cross-chain (xERC20, OFT, NTT, CCT e SuperchainERC20), destacando suas diferenças em arquitetura, mecanismos de passagem de mensagens, modelos de confiança e compatibilidade de ecossistemas, apesar de compartilharem o objetivo comum de garantir fungibilidade unificada entre múltiplas blockchains.
Este artigo apresenta o SIABENCH, um framework de avaliação agênica pioneiro que introduz um novo conjunto de dados abrangente e avalia 11 grandes modelos de linguagem (LLMs) em diversas tarefas de análise de incidentes de segurança, como triagem de alertas e forense, para mitigar os riscos e lacunas atuais na adoção de IA por centros de operações de segurança.
O artigo apresenta o Proteus, um framework prático para logs de dispositivos que preserva a privacidade ao utilizar pseudonimização baseada em hash e criptografia com chaves efêmeras rotativas, permitindo análise forense e reconstrução de cronologias sem expor informações pessoalmente identificáveis (PII) em texto simples ou comprometer a fidelidade dos dados.
Este artigo identifica e explora um novo canal lateral em computadores quânticos de íons aprisionados, demonstrando como sinais de radiofrequência vazados dos moduladores acusto-ópticos podem ser usados para extrair informações sobre algoritmos proprietários e características de portas quânticas, ao mesmo tempo em que propõe estratégias para mitigar essa vulnerabilidade.
Este artigo apresenta um novo framework para estimativa de funções de distribuição acumulada (CDF) com privacidade diferencial, utilizando projeção polinomial e aproximação esparsa via busca por correspondência para privatizar coeficientes, oferecendo desempenho superior ou comparável a métodos existentes e sendo particularmente adequado para cenários descentralizados e de dados em fluxo.
O artigo apresenta o SHIELD, um framework de detecção de ransomware independente do host que utiliza recursos de nível de sistema de arquivos para identificar e mitigar ameaças de forma segura e em tempo real diretamente no controlador de armazenamento, alcançando alta precisão e limitando significativamente a perda de dados.
O artigo apresenta o StegoAttack, um novo framework de ataque que utiliza esteganografia para ocultar consultas maliciosas dentro de parágrafos benignos, conseguindo quebrar com sucesso a segurança de modelos de linguagem avançados enquanto mantém alta discrição e fluidez linguística.
Este artigo propõe o framework de Otimização de Entropia de Rényi Constrained (CREO) para aumentar a resistência quântica do RSA ao restringir a proximidade entre os números primos, mantendo a compatibilidade com sistemas legados e elevando os recursos computacionais necessários para a fatoração por algoritmos quânticos.
Este artigo introduz o conceito de "aprendizado supervisionado" (refereed learning), onde um aprendiz avalia modelos opacos utilizando dois provadores concorrentes (apenas um honesto), demonstrando que é possível identificar o modelo superior com precisão extrema e custo de consulta drasticamente reduzido em comparação com métodos tradicionais.
Este artigo demonstra que é possível reconstruir tokens de texto com alta precisão apenas analisando as seleções de especialistas em modelos MoE, revelando que essas decisões de roteamento vazam informações sensíveis comparáveis ao próprio texto.
Este artigo oferece uma revisão abrangente e categorização dos modelos de confiança quantitativa em redes sociais online, explorando suas bases teóricas, mecanismos algorítmicos e fornecendo um manual prático com conjuntos de dados e técnicas de modelagem, além de discutir desafios futuros.
Este artigo propõe um framework de três etapas baseado em dados AIS que, ao filtrar defeitos de comunicação e analisar inconsistências cinemáticas e espaciais, permite a detecção precisa de spoofing e jamming de GNSS em larga escala nas águas costeiras coreanas, reduzindo drasticamente os falsos positivos.
Este artigo apresenta a primeira pesquisa sistemática e abrangente sobre a segurança de agentes de IA, oferecendo um novo framework para analisar seu espaço de design, cenário de ataques e mecanismos de defesa, além de identificar lacunas e desafios futuros nessa área emergente.
O artigo apresenta o WebWeaver, um novo framework de ataque que infere com alta precisão e discrição a topologia de sistemas multiagentes baseados em LLMs comprometendo apenas um agente arbitrário através de análise de contexto e mecanismos de difusão, superando as limitações de métodos anteriores que dependem de suposições pouco realistas.
Este artigo apresenta uma revisão sistemática que analisa os requisitos de segurança e privacidade em sistemas de cache codificado, avalia esquemas existentes quanto aos seus custos e limitações, contextualiza-os no panorama de primitivas de entrega de conteúdo e identifica desafios futuros prioritários.
Este artigo estabelece uma análise sistemática de leis de escala para ataques de jailbreak em modelos de linguagem grandes, demonstrando que métodos baseados em prompt são mais eficientes computacionalmente e alcançam maior sucesso e sigilo do que abordagens de otimização, além de revelar que a vulnerabilidade varia significativamente dependendo do tipo de dano pretendido.
Este artigo resolve incondicionalmente a questão sobre a densidade de matrizes com determinante de raiz primitiva sobre corpos finitos, demonstrando que a constante de redução uniforme é limitada inferiormente por uma função logarítmica dupla e fornecendo limites explícitos que garantem a eficiência do problema PRIM-LWE para moduli criptográficos padrão, como os utilizados no ML-KEM e ML-DSA.
O artigo apresenta o DNS-GT, uma abordagem inovadora baseada em Transformers que aprende representações de nomes de domínio a partir de sequências de consultas DNS, superando métodos existentes ao capturar informações contextuais e demonstrar superioridade em tarefas como classificação de domínios e detecção de botnets.
Este artigo propõe o mecanismo SCS-Code, que utiliza as representações internas dos modelos de linguagem para orientar a geração de código em direção a conceitos de segurança, superando os métodos atuais ao garantir tanto a correção funcional quanto a segurança do código gerado.
Este artigo propõe uma abordagem baseada em aprendizado por reforço multiagente para calcular um equilíbrio de Nash em um jogo de soma zero entre atacantes e defensores, permitindo a detecção robusta de ataques de injeção de dados falsos em redes de roteamento veicular e garantindo limites de tempo de viagem mesmo sob adversidade.