Computerwissenschaften - Kryptographie und Sicherheit

Kosmosis kombiniert Blockchain-Daten und soziale Medien, um Krypto-Betrug zu verhindern.

Die Herausforderungen und Lösungen beim Wasserzeichen von LLMs untersuchen, um Missbrauch zu verhindern.

Eine Studie über Sicherheitslücken bei der Überprüfung von Smart-Contract-Adressen und ein vorgeschlagener Erkennungsansatz.

Diese Arbeit hebt die Sicherheitsrisiken im RL hervor und führt SleeperNets für Backdoor-Angriffe ein.

Sharding verbessert die Geschwindigkeit und Kapazität von Blockchains, indem Netzwerke in kleinere Gruppen aufgeteilt werden.

Ein neuer Massstab zur Bewertung von LLMs bei Cybersecurity-Aufgaben.

Untersuchung der Beiträge und Schwächen von Clients in föderierten Lernsystemen.

Neue kryptografische Methoden sind entscheidend, um Daten gegen Quantenbedrohungen zu schützen.

Eine neue Methode sorgt dafür, dass die Privatsphäre gewahrt bleibt, während nützliche Daten von Smart-Geräten gesammelt werden.

Eine Methode für kollaboratives maschinelles Lernen, während die Daten privat bleiben.

Analyse, wie binäre Bi-Bügel die Verschlüsselungssysteme verbessern und Schwachstellen erkennen.

Eine neue Methode verbessert den Datenschutz bei der Analyse diskreter Daten.

Schädliche Erweiterungen im Chrome Web Store untersuchen und wie man sie erkennt.

Dieser Ansatz verbessert den Funktionsvergleich in Software durch Call-Graphlets.

LayerCAM-AE verbessert die Erkennung von schädlichen Updates im föderierten Lernen und schützt dabei die Datensicherheit.

Die Kombination von NIDS mit neurosymbolischer KI verbessert die Bedrohungserkennung und das Verständnis des Systems.

Die Forschung zielt darauf ab, Privatsphäre und Genauigkeit bei den Methoden zur Schätzung des Vektormittels in Einklang zu bringen.

Wir schlagen eine Methode vor, um unsichtbare Backdoor-Trigger in Diffusionsmodellen zu erstellen.

Analyse von Schwachstellen im SAE J1939-Protokoll für Nutzfahrzeuge.

Zwei innovative Techniken verbessern die adversarialen Angriffe auf Modelle mit tabellarischen Daten.

Gegenfaktische Analysen zeigen Einsichten, bringen aber auch Datenschutzrisiken im maschinellen Lernen mit sich.

Die Risiken und den Missbrauch von grossen Sprachmodellen im Cybercrime untersuchen.

Sicherheitsprobleme bei KI-Agenten angehen für sicherere Interaktionen.

Sicherheit, Zuverlässigkeit und ethische Fragen bei Sprachmodellen erkunden.

Neue Methoden verbessern die Vorhersagen von Sprachmodellen unter unterschiedlichen Eingabebedingungen.

ECHO verbessert die Netzwerkverkehrs-Klassifizierung durch maschinelles Lernen.

Dieser Artikel behandelt Privatsphäre und Verzerrung in prädiktiven Algorithmen für sensible Daten.

BISON bietet eine sichere Möglichkeit, um sich anzumelden und dabei die Identität der Nutzer zu schützen.

Ein neues Framework verbessert die Erstellung von synthetischen Daten und schützt gleichzeitig persönliche Informationen.

Wir stellen PrivacyRestore vor, um Nutzerdaten zu schützen, während grosse Sprachmodelle verwendet werden.

Neue Methoden zeigen Resilienz in neuronalen Netzwerk-Schaltungen gegen Manipulation.

Methoden zur Schätzung von Datensatzmerkmalen, während persönliche Daten geschützt bleiben.

Diese Methode verbessert das Tracking von Daten durch fortschrittliche Wasserzeichentechniken.

Ein Blick auf Datenschutzmethoden und ihre Wirksamkeit beim Datenaustausch.

Die Erkundung der Rolle und des Potenzials von quantenmechanischer Unvorhersehbarkeit in modernen kryptografischen Systemen.

Eine neue Methode verbessert den Datenschutz beim Trainieren von Deep-Learning-Modellen.

Eine Analyse von Methoden zur Community-Erkennung, die differentialer Privatsphäre berücksichtigen.

Eine neue Methode zur Analyse von kategorialen Daten, während die Privatsphäre gewahrt bleibt.

Ein Blick auf neue Methoden zur Anzeige von Messungen, die den Datenschutz der Nutzer priorisieren.

Lern, wie optimistische Rollups die Geschwindigkeit und Effizienz von Blockchains verbessern.