Computerwissenschaften - Kryptographie und Sicherheit

Die Herausforderungen der differenziellen Privatsphäre in Online-Lernsystemen untersuchen.

Die Erkundung der Datenschutz- und Sicherheitsrisiken, die mit grossen Sprachmodellen verbunden sind.

Dieser Artikel behandelt Leistungsprobleme und Lösungen in öffentlichen Blockchains.

Erschliessung lokaler Differentialprivacy-Methoden für sichere Graphanalyse.

Eine frische Perspektive, um versteckte Bedrohungen im Hardware-Design zu finden.

Dieser Artikel behandelt Einwegfunktionen und Rätsel in der Quantenkryptografie.

Quanten-Null-Wissen-Beweise könnten verändern, wie wir Online-Privatsphäre und Sicherheit gewährleisten.

Wir müssen die Sicherheit für Industrie- und Weltraumsysteme gegen moderne Bedrohungen verbessern.

Erkunde die Datenschutz- und Sicherheitsbedrohungen von sprachgesteuerter Technologie.

Ein Blick auf Techniken zur Komplexitätsbewertung von Sicherheitswerkzeugen und -metriken.

Eine neue Methode zeigt Bedrohungen durch Backdoor-Angriffe in Maschinellem Lernen, ohne auf sensible Daten zugreifen zu müssen.

AerisAI verbessert die KI-Zusammenarbeit und schützt dabei die Datensicherheit durch dezentralisierte Methoden.

Ein neuartiger Ansatz reduziert die RowHammer-Risiken in DRAM zu niedrigen Kosten.

Eine neue Methode hilft dabei, versteckte Schwächen in biometischen Modellen zu erkennen.

Dieser Artikel bespricht das Lese-Stören in DRAM und stellt eine neue Lösung vor.

Dezentrale Plattform will echtes Nutzerfeedback sicherstellen.

Ein neuer Ansatz verbessert die Erkennung subtiler Cyberbedrohungen mit fortschrittlichen Datenmethoden.

Untersuchung von Methoden zur differenziellen Privatsphäre im Verstärkungslernen, um sensible Daten zu schützen.

Ein neues System, um Phishing-E-Mails mit hoher Genauigkeit und klarer Begründung zu identifizieren.

Neue Methoden sichern Daten in KI und sorgen gleichzeitig für effektive Berechnungen.

Diskussion über Privatsphäre und Fairness im maschinellen Lernen durch differentiellen Datenschutz und Risiko für die schlimmste Gruppe.

Ein Überblick über dApps, ihre Struktur, Schwachstellen und zukünftige Perspektiven.

Neue Algorithmen verbessern die Privatsphäre und Genauigkeit in Szenarien mit spärlichen Daten.

Ruledger bietet eine sichere Lösung für die Schwachstellen von Smart-Home-Systemen.

Untersuchen, wie grosse Sprachmodelle digitale forensische Untersuchungen verbessern können.

Die Effektivität und Schwachstellen von Wasserzeichen in KI-generierten Inhalten untersuchen.

AutoRobust nutzt Reinforcement Learning, um Malware-Detektionssysteme gegen gegnerische Taktiken zu stärken.

Neue Methoden sorgen für Sicherheit für Käufer und Verkäufer auf Online-Märkten.

Die Sicherheit der Biotechnologie durch Sicherheitsoperationen im Maschinenlernen verbessern.

BasedAI nutzt Verschlüsselung, um die Privatsphäre zu gewährleisten und gleichzeitig die Leistung des Sprachmodells zu verbessern.

Erforschung von Transfer-Learning-Anwendungen zur Verbesserung von Cybersicherheitsfunktionen und zur Bewältigung von Datenherausforderungen.

Ein Blick auf PUFs und ihre Rolle in der IoT-Sicherheit.

Dieser Artikel untersucht die Schwachstellen von Cross-Chain-Bridges und schlägt Sicherheitsverbesserungen vor.

Ein Blick darauf, wie Datenanalyse die individuelle Privatsphäre wahren kann.

Dieser Artikel untersucht Angriffe auf LLMs und Strategien für besseren Schutz.

Die Untersuchung von Datenschutzrisiken in föderiertem Lernen und grossen Sprachmodellen.

Eine Übersicht über upgradebare Smart Contracts und ihre Sicherheitsherausforderungen.

Die Schnittstelle von Verschlüsselung und technologischen Fortschritten in der Cybersicherheit erkunden.

Eine neue Methode, um unbekannte IoT-Geräte mithilfe von Netzwerkaktivitätsanalyse zu kennzeichnen.

Eine neue Methode zur Verifizierung von IoT-Daten mit IOTA und TPM-Technologien.