Computerwissenschaften - Kryptographie und Sicherheit

Ein Blick auf neue Methoden, um Datenvergiftungsangriffe im maschinellen Lernen zu bekämpfen.

Untersuchung des Konflikts zwischen generativer KI und Urheberrechtsgesetzen.

Die Feinabstimmung von Anweisungen wirft Bedenken über Sicherheitsanfälligkeiten bei grossen Sprachmodellen auf.

Untersuchung von Unstimmigkeiten in Datenschutzrichtlinien und Labels bei iOS-Apps.

Entdecke, wie crLDCs die Datenintegrität und Fehlerkorrektur verbessern.

Neue Methoden schützen sensible Informationen in Eingaben für Sprachmodelle.

Eine neue Methode verbessert den Datenschutz bei Entscheidungsbäumen, ohne die Genauigkeit zu opfern.

Die Risiken von grossen Sprachmodellen bei Cyber-Bedrohungen erkunden.

Die Möglichkeiten von Gabidulin-Codes für sichere Kommunikation im Quantenzeitalter erkunden.

Eine neue Methode, die MPC nutzt, um Daten zu sichern und gleichzeitig genaue Informationen zu identifizieren.

Ein Wasserzeichen-System, um kreative Werke vor Missbrauch durch generative Modelle zu schützen.

Radio-Fingerprinting verbessert die Satellitensicherheit gegen Spoofing- und Replay-Angriffe.

Methoden zur Betrugserkennung in DeFi mit fortgeschrittenen Datenanalysetechniken erkunden.

Forschung bringt neues Dataset und Methoden zur Identifizierung von Bitcoin-Betrug.

Diese Studie untersucht Angriffe auf Wasserversorgungsnetze und schlägt Methoden zur besseren Leckerkennung vor.

Dieser Artikel untersucht die Datenschutzimplikationen von Gaussian Process Regression im Machine Learning.

FairDP bietet eine Lösung, um Privatsphäre und Fairness in maschinellen Lernsystemen zu gewährleisten.

Ein neues Modell verbessert die Erkennung von Cyber-Bedrohungen in Cloud-Umgebungen.

Ein neues Verfahren verbessert die Anonymität in Ring-Signaturen für mehr Sicherheit.

Untersuchung der Rolle von FPGA-Techniken zur Verbesserung der Hardwaresicherheit.

Die Möglichkeiten der gitterbasierten Kryptographie gegen Bedrohungen durch Quantencomputing erkunden.

vFedSec bietet sichere, effiziente Schulungen für Machine-Learning-Modelle in föderierten Umgebungen an.

Ein neues Modell verbessert die Genauigkeit der Schwachstellenerkennung mit Deep-Learning-Techniken.

Die Interoperabilität zwischen CBDCs erreichen, um Transaktionen und Vertrauen im Finanzsystem zu verbessern.

Werkzeuge erkunden, um die Beweisauswertung bei Krypto-Verbrechen klarer zu machen.

Forschung zeigt, wie egoistische Miner die Effizienz von DAG-Blockchains beeinflussen.

Ein neuer Ansatz für sichere Nachrichtenübermittlung, ohne die Identität von Absender oder Empfänger preiszugeben.

Untersuchung des Vertrauens und der Ethik rund um Protestsoftware in Open-Source-Software.

Dieses Papier untersucht die Gefahren, sich auf generierte Daten für das Training von Sprachmodellen zu verlassen.

Ein neues Protokoll zum Schutz der Privatsphäre der Nutzer in 5G-Netz-Slicing.

PPA-AFL verbessert den Datenschutz beim kollaborativen maschinellen Lernen über Geräte hinweg.

Untersuchung der Verteilung der Stimmkraft in den Governance-Strukturen von Compound und Uniswap.

Eine Methode für die sichere und effiziente Nutzung von LLMs, während die Privatsphäre der Nutzer geschützt wird.

Untersuchen, wie selektive Klassifikatoren Privatsphäre und Vorhersagegenauigkeit bewahren.

Inkrementelles Lernen verbessert maschinelles Lernen, hat aber ernsthafte Bedrohungen durch Backdoor-Angriffe.

Untersuchen der Wechselwirkung von Kommunikationsmethoden und Privatsphäre in virtuellen Räumen.

Diese Studie untersucht, wie Netzbetreiber sich während des Russland-Ukraine-Konflikts angepasst haben.

Ein Blick darauf, wie differentielle Privatsphäre persönliche Informationen bei der Datenanalyse schützt.

Ein Blick auf differential privat konvexe Optimierung zum Datenschutz im maschinellen Lernen.

UMD bietet eine neue Möglichkeit, komplexe Backdoor-Angriffe effektiv zu erkennen.