تحلیل ریسک افزایش توکنها در LLMها به دلیل کاراکترهای خاص Unicode
تحقیقات جدید نشان میدهد کاراکترهای نادر Unicode میتوانند تعداد توکنهای درخواستهای LLM را بهشدت افزایش دهند. این موضوع ریسکهای امنیتی…
ایمنی هوش مصنوعی، امنیت مدلهای زبانی و دیپفیک.
تحقیقات جدید نشان میدهد کاراکترهای نادر Unicode میتوانند تعداد توکنهای درخواستهای LLM را بهشدت افزایش دهند. این موضوع ریسکهای امنیتی…
آسیبپذیری CVE-2026-94626 در vLLM اجازه میدهد مهاجمان با دستکاری پارامتر tp_size، حافظه سیستم را اشباع کرده و باعث توقف پروسههای…
دولت آمریکا در نظر دارد نهادی به نام AI Force برای مدیریت و توسعه هوش مصنوعی ایجاد کند، اما جزئیات…
آسیبپذیری Unbounded Consumption در مدلهای LLM میتواند منجر به هزینههای سرسامآور تحت عنوان Denial of Wallet شود. این گزارش پنج…
دولت آمریکا قصد دارد مسئولیت قانونی اقدامات مجرمانه و حملات سایبری انجام شده توسط Agentهای هوش مصنوعی را متوجه مدیران…
چین با ارائه مدلهای Open-Weight و بهینه، در حال جایگزینی مدلهای بسته آمریکایی در بازارهای نوظهور است. این استراتژی از…
عاملهای هوش مصنوعی Gemini گوگل در یک تست امنیتی به دلیل خطای پیکربندی Sandbox و شباهت نام شرکت فرضی با…
بررسی چالشهای فنی و حاکمیتی در ارزیابی مدلهای پیشرو هوش مصنوعی و ضرورت گذار از خودتنظیمی به یک سیستم نظارت…
افشای پروژههای محرمانه در شرکتهای Anthropic و Amazon برای اسکن دیجیتالی و تخریب فیزیکی کتابها جهت آموزش مدلهای هوش مصنوعی.…
یک عامل هوشمند کدنویسی متعلق به Anthropic به دلیل خطای منطقی در مدیریت Junctionهای ویندوز، بیش از ۴۸ هزار فایل…