Computerwissenschaften - Kryptographie und Sicherheit

Ein neues Modell zeigt wichtige Faktoren für den Erfolg von Evasion-Angriffen.

Diese Studie überprüft, wie effektiv maschinelles Lernen dabei ist, Software-Sicherheitslücken durch modifizierte Datentests zu finden.

Verarbeite sensible Zeitseriendaten sicher und effizient in der Cloud.

Ein neues Modell geht auf Datenschutzbedenken in smarten Gesundheitsnetzwerken ein, indem es Blockchain und vertrauensbasierte Ansätze nutzt.

Die Blockchain-Technologie verändert die Sicherheit in der ÖL- und Gasversorgungskette.

BLEND kombiniert sichere Speicherung und Kommunikation für eine effiziente IoT-Datenverwaltung.

Die Zukunft der sicheren Kommunikation mit Quanten-Schlüsseln erkunden.

Die Auswirkungen von Quantencomputing auf elliptische Kurven-Kryptographie und zukünftige Sicherheit erkunden.

Eine Studie zeigt Schwachstellen in Apples M1 und M2 für Remote-Power-Analyse-Angriffe.

RowHammer wirft ernsthafte Bedenken hinsichtlich der Datenintegrität in modernen Computerspeichersystemen auf.

Lern, wie Zahlungsnetzwerke die Kryptowährungstransaktionen verbessern können.

Lerne, wie synthetische Daten die Privatsphäre in langfristiger Forschung schützen können.

RowPress bringt neue Risiken für die Datensicherheit in modernen DRAM-Systemen mit sich.

Verstehen, wie Differentialprivacy sensitive Informationen in der Datenanalyse schützt.

Ein neuer Ansatz, um die Privatsphäre in verschlüsselten Datenbanken zu verbessern.

Eine Studie zeigt Unterschiede zwischen den Datenschutzkennzeichnungen von Apps und den tatsächlichen Datenpraktiken.

Eine neue Methode verbessert die Sicherheitstests von Smart Contracts durch effizientes Snapshot-Management.

Erfahre, wie DP-OPH-Techniken Benutzerdaten in der Analyse schützen.

Eine Übersicht über dezentrale Börsen und konstante Funktionsmarkt-Macher.

NLP-Methoden verwenden, um die Erkennung und Vorhersage von Malware zu verbessern.

NATI[P]G simuliert Cyber-Bedrohungen, um die Widerstandsfähigkeit des Stromnetzes zu verbessern.

Rowhammer nutzen, um stabile Gerätefingerabdrücke für mehr Sicherheit zu erstellen.

Die Kombination von föderiertem Lernen mit differenzieller Privatsphäre verbessert die Klassifizierung medizinischer Bilder und sorgt gleichzeitig für die Sicherheit der Patientendaten.

Das QUIC-Protokoll verbessert die Geschwindigkeit und Sicherheit beim Online-Datenübertrag.

Eine neue Technik verbessert die Erkennung von Backdoor-Angriffen in föderierten Lernmodellen.

Ein neues Framework kombiniert federated learning und Blockchain, um den Datenschutz zu verbessern.

Ein tiefgehender Blick auf die Sicherheitsherausforderungen bei der Verifizierung von Ethereum-Smart Contracts.

Forschung zeigt, wie maschinelles Lernen verschiedene Verschlüsselungstypen aus dem Zweiten Weltkrieg erkennen kann.

DUBA ist eine fortgeschrittene Methode für heimliche Backdoor-Angriffe auf KI-Modelle.

IoTDevID bietet eine Methode zur genauen Identifizierung verschiedener IoT-Geräte.

Dieses Papier behandelt Modellextraktionsangriffe und -verteidigungen in Inferenz-Servierungssystemen.

Patienten mehr Kontrolle über ihre Gesundheitsdaten geben und Privatsphäre garantieren.

Untersuchung der lokalen differentiellen Privatsphäre innerhalb des Thompson Sampling für bessere Entscheidungsfindung.

Verständnis von Hardware-Trojanern und deren Auswirkungen auf die Sicherheit elektronischer Geräte.

Ein Tool, um die Sicherheit persönlicher Informationen in grossen Sprachmodellen zu überprüfen.

Risiken im Hardware-Design durch Resilienz und Zusammenarbeit angehen.

Datenschutzrichtlinien für mobile Apps leichter lesbar und verständlich machen.

Eine neue Abwehrmechanismus gegen Membership-Inference-Angriffe in Machine-Learning-Modellen wird vorgestellt.

Organisationen können den Datenschutz besser schützen und gleichzeitig die Nützlichkeit der Daten durch ein strukturiertes Framework sicherstellen.

Eine effektive Intrusionserkennung ist entscheidend, um IoT-Netzwerke gegen Cyberbedrohungen abzusichern.