Computerwissenschaften - Kryptographie und Sicherheit

Erfahre mehr über Leverage Staking und seine Rolle in der dezentralen Finanzen.

Ein neuer quantenbasierter Ansatz ermöglicht sichere und effiziente Berechnungen von Skalarprodukten.

Neue Methoden verbessern die Erkennung von Timing-Schwachstellen in Hardware-Designs.

Dieser Artikel untersucht Quantenfälschungsangriffe auf die Verschlüsselungsschemata COPA, AES-COPA und Marble.

Ein Blick auf die Datenschutzrisiken und Abwehrmassnahmen im vertikalen föderierten Lernen.

Matcha hilft Entwicklern, genaue Datenschutzlabels für mobile Apps zu erstellen.

Ein neues Modell kombiniert durchsuchbare Verschlüsselung mit Quantencomputing für besseren Datenschutz.

Erforschen von datenschutzfreundlichen Techniken für sichere Preisverhandlungen.

Quantencomputing stellt die traditionellen Verschlüsselungsmethoden mit fortgeschrittenen Angriffsstrategien auf die Probe.

Lern, wie soziale Authentifizierung das Vertrauen in digitale Kommunikation verbessert.

Die Risiken und Lösungen für die Sicherheit bei Extended Reality-Geräten unter die Lupe nehmen.

Erforschen eines modernen Ansatzes für sicheres Teilen von Bildern durch Quantentechniken.

Dieser Artikel behandelt die Datenschutzbedenken bei der Nutzung von GPT-Modellen in Cloud-Umgebungen.

Diese Forschung untersucht Schwachstellen in SNNs, die mit föderierten Lerntechniken kombiniert sind.

Die Bedeutung von dezentraler KI für Datenschutz und ethische Bedenken erkunden.

Datenverunreinigung in Sprachmodellen sorgt für ein richtiges Vertrauensproblem bei Bewertungen.

Untersuchung von Sicherheitsrisiken und Erkennungsmethoden für Diffusionsmodelle.

Neue Methoden verbessern die Fähigkeit, gefälschte Audios von echten zu unterscheiden.

Eine neue Methode kombiniert KI und traditionelle Sicherheit für sicherere drahtlose Kommunikation.

Die Verbindung zwischen geheimen Teilungsmethoden und komplexen Systemen in der Physik erkunden.

Radio-Fingerprinting hilft, Satellitensysteme gegen Störangriffe abzusichern.

Untersuchung von generativen Modellen für synthetische Genexpressionsdaten bei gleichzeitiger Gewährleistung der Privatsphäre der Patienten.

Epistral will die digitale Medien durch Fairness und Dezentralisierung umkrempeln.

Ein tiefer Einblick in die wichtigsten Aspekte und Herausforderungen des dezentralen föderierten Lernens.

Innovative Methoden zur Verbesserung der Passwortsicherheit bei Autofill-Prozessen.

Erforschen, wie Differential Privacy persönliche Daten schützt und gleichzeitig wertvolle Einblicke liefert.

Analyse der Sicherheit des Sum-Check-Protokolls durch formale Verifikationsmethoden.

Diese Studie untersucht Trainingsstrategien, um die Erkennung von gefälschter Audio zu verbessern.

Die Untersuchung von Jailbreak-Angriffen zeigt Schwächen in der Sicherheit von Sprachmodellen.

Ein Rahmen, um Datensynthesemethoden hinsichtlich Qualität und Privatsphäre zu bewerten.

Neue Methoden verbessern den Datenschutz im maschinellen Lernen, indem sie private Auswahlmechanismen verfeinern.

Die Untersuchung der Beziehung zwischen Datenschutzgesetzen und Praktiken im maschinellen Lernen.

Eine neue audio-basierte Methode schätzt die Grösse von Menschenmengen, ohne die persönliche Privatsphäre zu verletzen.

Dieser Artikel behandelt den SpongeNet-Angriff und dessen Auswirkungen auf den Energieverbrauch von Deep-Learning-Modellen.

Erfahre, wie P3LS sicheres Daten-Sharing in der Fertigung ermöglicht.

Ein genauerer Blick auf Bestechungsangriffe, die Blockchain-Systeme bedrohen.

Architektonische Hintertüren stellen ernsthafte Sicherheitsrisiken in neuronalen Netzwerken dar und bleiben oft unentdeckt.

Eine Methode zur Durchführung von Bayes'schen Tests, während die Privatsphäre einzelner geschützt bleibt.

Eine neue Methode zur klaren und effizienten Verwaltung des Datenbankzugriffs.

Neue Strategien ermöglichen es Trojaner-Angriffen, Erkennungsmethoden effektiv zu umgehen.