Computerwissenschaften - Kryptographie und Sicherheit

Die Auswirkungen von Blockchain auf die öffentliche Schlüssel-Infrastruktur erkunden.

Untersuche die Sicherheitsherausforderungen bei Open-Source-Software, besonders in der Go-Programmiersprache.

Untersuche verschiedene Jailbreak-Angriffe auf Sprachmodelle und deren Abwehrmassnahmen.

Bedrohungen für DRL-Systeme im cyber-physikalischen Energiemanagement erkunden.

Ein Blick auf das MiniFS-Dateisystem und seine Sicherheitsprobleme.

Eine Methode zum Sichern von Bildern durch fortgeschrittene Verschlüsselungstechniken.

Lern, wie man CSV-Daten mit digitalen Signaturen sichert.

Die Wichtigkeit von Sicherheit und Nutzerfeedback in E-Zahlungs-Apps erkunden.

AFPNet bietet eine verbesserte Erkennung von Schwachstellen in Smart Contracts mithilfe von Deep-Learning-Techniken.

Ein Blick auf WebAssembly-Analysemethoden für sichere Ausführung.

Diese Studie konzentriert sich darauf, schädliche Trojaner in grossen Sprachmodellen mit Filtertechniken zu entfernen.

Ein neuer Ansatz zur Verbesserung der Sicherheit in dezentralen Finanzprotokollen.

Hintertüren in ML-Modellen stellen ernsthafte Bedrohungen für Finanzen und Gesundheitswesen dar.

Entdecke die Rolle von Isogenie in modernen kryptografischen Methoden mit elliptischen Kurven.

Ein neuer Ansatz zur Verbesserung der Eindringungserkennung mit Machine Learning.

Herausforderungen und Fortschritte beim Schutz sensibler Daten, während deren Nützlichkeit erhalten bleibt.

Ein neues Framework verbessert die Sicherheit und Effizienz im verteilten maschinellen Lernen.

BoostCom beschleunigt Vergleichsaufgaben in FHE und verbessert die Effizienz für verschlüsselte Daten.

Datengetriebene Techniken müssen die Privatsphäre schützen und gleichzeitig die besten Optionen identifizieren.

Die Herausforderung, differential privacy mit sublinearen Algorithmen in der Datenanalyse zu kombinieren.

Ein neues Framework verbessert die Interaktionen mit Passwortmanagern für sichereren Online-Zugang.

Ein Blick auf föderiertes Lernen, das Differenzialschutz und Blockchain für Datensicherheit kombiniert.

Ein neues Framework steuert das Lernen im Kontext, um Missbrauch in KI-Modellen zu verhindern.

Diese Studie zeigt, wie nicht-konfrontative Angriffe die Algorithmen für Wissensgraph-Einbettungen beeinflussen.

Ein neues Framework bewertet Methoden zur Anonymisierung biometrischer Daten, um die Privatsphäre zu verbessern.

Untersuchung der Auswirkungen von Deep Learning auf Wasserzeichen-Techniken und Sicherheitsherausforderungen.

Neue Methoden zielen darauf ab, Machine-Learning-Modelle gegen Backdoor-Bedrohungen abzusichern.

Eine neue Methode für effiziente Daten-Deduplication im föderierten Lernen.

Ein neues Modell verbessert den Datenschutz und steigert gleichzeitig die Genauigkeit von maschinellem Lernen.

Lern, wie du sensible Abmachungen vor Lauscher schützten kannst.

Eine Studie zeigt Sicherheitslücken in beliebten mobilen Zahlungs-Apps.

Benutzung von nutzerbezogener differenzieller Privatsphäre beim Training von grossen Sprachmodellen.

Die Vorteile von Federated Learning zur Anomalieerkennung in IoT-Netzwerken erkunden.

Studie zeigt, wie 5G-Datenmuster die Aktivitäten von Nutzern offenbaren können.

Neue Modelle helfen Entwicklern, aber Hintertürangriffe stellen ernsthafte Sicherheitsrisiken dar.

Ein Blick auf die Herausforderungen und Lösungen von Datenschutz und Integrität beim föderierten Lernen.

Eine neue Methode kombiniert LLMs mit traditionellen Zerlegetechniken für eine effektive Analyse.

Ein einheitliches TEE-Design verbessert die Zusammenarbeit von CPU und NPU für sicheres Computing.

Datenverunreinigung bekämpfen für bessere Cybersicherheit und Anomalieerkennungssysteme.

Die Kombination von neuronalen Netzwerken mit Kryptografie verbessert sichere Kommunikationsmethoden.