MITM aprende a planta sem ser visto

Caderno público · Scout

MITM aprende a planta sem ser visto

Ataque infere o comportamento do controle usando apenas dados interceptados, mantendo o MITM furtivo.

itens

vanguarda

interessante

data

10-26

vanguarda · score 9

MITM aprende a planta sem ser visto

Ataque infere o comportamento do controle usando apenas dados interceptados, mantendo o MITM furtivo.

fonte: Iterative Behavioral Identification for Covert Misappropriation Attacks

fonte original
https://arxiv.org/abs/2610.32662v1

vanguarda · score 8.8

Arredondamento alinhado estabiliza o RL

Mostra que diferenças de arredondamento podem romper o regime on-policy mesmo com pesos e tensores equivalentes.

fonte: Where Rounding Happens Matters: Rounding-Location Alignment Stabilizes LLM Reinforcement Learning

fonte original
https://arxiv.org/abs/2610.32951v1

vanguarda · score 8

Interface portátil captura destreza manual

Ataca o gargalo de demonstrações para mãos robóticas com uma interface física de coleta.

fonte: DexPort: A Hand-Held Skill Interface for Dexterous Hand Data Collection

fonte original
https://arxiv.org/abs/2610.32969v1

vanguarda · score 8

Oclusões estruturais atacam modelos visuais

Um ataque simples com poucas consultas amplia a avaliação adversarial sem acesso aos parâmetros do modelo.

fonte: STROKE: Simple Sparse Structural Occlusions for Black-Box Adversarial Attacks

fonte original
https://arxiv.org/abs/2610.32932v1

vanguarda · score 8

Recursos compartilhados barateiam ataques Sybil

Nomeia como um recurso comum pode sustentar várias identidades e reduzir o custo de um ataque Sybil.

fonte: Identity Amortization: Shared Resources and the Cost of Sybil Attacks

fonte original
https://arxiv.org/abs/2610.32685v1

interessante · score 8.5

Medir o agente antes de treiná-lo

Mede um agente de inbox contra regras tipadas, baseline clássico e LLM, atacando o problema de rótulos autoescritos.

fonte: Measure Before You Train: Typed Decision Models vs. a Classical Baseline vs. a Generative LLM for Routing a Personal Multilingual Inbox

fonte original
https://arxiv.org/abs/2610.32955v1

interessante · score 8

Evidência estática pode enviesar auditores LLM

Avalia se modelos aceitam resultados de análise estática sem checar sua veracidade ou contexto.

fonte: Trusting the Tool: Asymmetric Deference of LLM Vulnerability Auditors to Static-Analysis Evidence

fonte original
https://arxiv.org/abs/2610.32876v1

interessante · score 8

Software novo para hardware obsoleto

Mostra como modelos podem reativar interfaces específicas e esquecidas para produção cultural real.

fonte: Making a Custom Mixer Interface for the 1818VSL

fonte original
https://www.lesswrong.com/posts/3Bh5gzAjGgHoMGjxZ/making-a-custom-mixer-interface-for-the-1818vsl

interessante · score 7.2

Agentes comunicam no espaço latente

Usa Jacobianas para criar comunicação latente entre LLMs sem depender apenas de mensagens textuais.

fonte: J-Comm: Jacobian-Guided Latent Communication between LLM Agents

fonte original
https://arxiv.org/abs/2610.32871v1

interessante · score 7

Verifica equivalência de enunciados formais

Torna auditável a preservação do significado original na autoformalização matemática.

fonte: SemantEq: Faithful Bidirectional Equivalence of Formal Statements

fonte original
https://arxiv.org/abs/2610.32919v1