Computerwissenschaften - Kryptographie und Sicherheit

Analysieren, wie das Sentiment in sozialen Medien die Trends im Kryptomarkt beeinflusst.

Neue Methoden zielen darauf ab, Angreifer zu fangen, bevor sie Schaden anrichten.

Neue Methoden zum Schutz von 3D-Erkennungssystemen vor adversarialen Beispielen.

Ein neues Konsensverfahren verbessert den Energieverbrauch von Blockchains und die Datenqualität.

Diese Studie analysiert die Risiken von adversarialen Beispielen im maschinellen Lernen und mögliche Abwehrmassnahmen.

Ein frischer Ansatz zum Schutz der Privatsphäre bei der Analyse von Zeitseriendaten.

Risiken von Datenlecks in CPU-GPU integrierten Systemen erkunden.

Eine neue Methode, um schädliche Anwendungen grosser Sprachmodelle nachzuvollziehen.

OIDC² macht die Identitätsüberprüfung einfacher für sicherere Online-Interaktionen.

Lern, wie man die Lebensdauer von Kompromittierungsindikatoren effektiv managt.

Ein neues Modell schützt die Bewegungen der Nutzer und sorgt gleichzeitig für die Nützlichkeit der Daten.

Ein neues BFT-System verbessert die Transaktionsaufnahme und die Widerstandsfähigkeit gegen Zensur.

Dezentrale KI-Plattformen verändern, wie wir auf KI-Dienste zugreifen und sie nutzen.

Die steigenden Cyberbedrohungen für Software-Lieferketten durch gemeinschaftliche Anstrengungen und bewährte Praktiken angehen.

Ein neues Tool vereinfacht die Beweissammlung für Cloud-Service-Audits.

Eine kartenbasierte Methode, um Cybersicherheit für Anfänger zugänglich zu machen.

Eine neue Methode verbessert die Genauigkeit bei der Identifizierung von Softwareanfälligkeiten.

Erfahre mehr über die Erpressungsbedrohungen für Ethereum-Validatoren und wie man Risiken minimieren kann.

FPGAs verbessern die Effizienz und Sicherheit von föderierten Lernprozessen.

SF-IDS verbessert die Cyberabwehr mit semi-supervised Learning und hybrider Verlustfunktion.

Die Rolle und Herausforderungen von DRM beim Schutz digitaler Inhalte erkunden.

Diese Studie verbessert die Robustheit von Deep Learning durch dynamische Modellauswahl.

CDMs helfen dabei, sensible Trainingsdaten zu schützen und gleichzeitig hochwertige Bilder zu erzeugen.

Ein Rahmen für zuverlässiges Crowdsourcing durch Wahrheitsinferenz und Zero-Knowledge-Beweise.

Ein neuer Angriff entfernt versteckte Bilder effizient und erhält dabei die Qualität.

Forschung zeigt Mängel in den Methoden, die dazu gedacht sind, sensible Konzepte aus der KI-Bilderzeugung zu entfernen.

Eine neue Methode konzentriert sich auf das Verhalten von Binärcode für eine bessere Ähnlichkeitserkennung.

Ein neues Protokoll verbessert Zeitverriegelungsrätsel für sichere zukünftige Kommunikation.

Ein neues Framework verbessert sicheres Lernen bei Robotern, indem es die Risiken des Erfahrungsaustauschs angeht.

Ein neuer Ansatz, um die Sicherheit von autonomen Fahrzeugen gegen Cyber-Bedrohungen zu verbessern.

Automatisierte Angriffe auf DNN-Beschleuniger können Modellinformationen mit minimalem Aufwand aufdecken.

Ein neues System verbessert die Zugänglichkeit und Sicherheit beim Staking mit NFTs und Smart Contracts.

Eine neue Methode verbessert den Datenschutz und das Modelltraining im föderierten Lernen.

Lerne die Risiken von geräuschbasierten Tastaturangriffen kennen und wie du dich schützen kannst.

Eine sichere Methode zur Analyse sensibler Daten mit fortschrittlichen mathematischen Techniken.

Ein neues Framework verbessert die Intrusionserkennung im IoT, indem es das Datenungleichgewicht angeht.

Das Verfolgen von Diskussionen hilft bei der frühen Bedrohungserkennung und Verteidigungsstrategien.

Die Möglichkeiten und Herausforderungen von föderiertem maschinellem Lernen beim Schutz der Privatsphäre untersuchen.

Eine Studie über die Verwundbarkeiten von LLM-integrierten Anwendungen gegen SQL-Injection-Angriffe.

URET bietet eine flexible Lösung gegen feindliche Angriffe auf verschiedene Datentypen.