Neuste Artikel für Cyber-Sicherheit

Ein neuer Ansatz für adversariales Training verbessert die Leistung und Sicherheit von KI-Systemen.

Eine neue Technik deckt Schwachstellen in fortgeschrittenen KI-Systemen auf, die Bilder und Texte kombinieren.

Diese Studie bewertet, wie GPT-4 bei Reverse-Engineering-Aufgaben hilft.

M2CVD verbessert die Erkennung von Software-Schwachstellen durch kollaborative Modellansätze.

Eine neue Methode hilft Organisationen, Softwareanfälligkeiten besser zu priorisieren.

Ein neuer Ansatz verbessert die Erkennung von Sicherheitsanfälligkeiten in Software durch den Einsatz fortschrittlicher Modelle.

Eine Methode vorstellen, um die Robustheit von Modellen gegenüber Datenvergiftungsangriffen zu bewerten.

Exploration von Schwachstellen im personalisierten föderierten Lernen und aufkommenden Backdoor-Angriffsverfahren.

Ein neuer Ansatz zur Auffindung von Sicherheitslücken in Prozessoren mit dem Shesha-Framework.

Dieser Artikel besprecht die Risiken von Package-Halluzinationen in code-generierenden Modellen.

Den Einsatz von Sprachmodellen, um die Fehlersuche und Testeffizienz von Software zu verbessern.

Neuer Benchmark CTIBench bewertet die Effektivität von LLMs beim Umgang mit Cyberbedrohungen.

Ein Blick auf Methoden zur Kernel-Sicherheit, um gegen fortgeschrittene Angriffe wie Spectre vorzugehen.

Ein neues digitales Signatursystem verbessert die Geschwindigkeit und Sicherheit in Datenzentrum-Anwendungen.

Die Untersuchung des Rowhammer-Fehlers und seiner Auswirkungen auf die Datensicherheit.

Untersuchung der Sicherheitslücken in der Memory Tagging Extension und spekulativen Ausführungsangriffen.

Die Sicherheitsrisiken und Lösungen für aufkommende KI-Assistententechnologien untersuchen.

Ein Blick auf Schwachstellen und Lösungen für Deep-Learning-Systeme.

Die FSBI-Methode verbessert die Erkennung von manipulierten digitalen Medien.

Ein neues Tool verbessert die statische Analyse mit vereinfachten Grafiken und Machine Learning.

Wettbewerb zeigt Schwächen und Abwehrmechanismen in der Sicherheit von Sprachmodellen.

Eine Methode, um Angriffe auf Systeme zu identifizieren, die Bilder und Text kombiniert.

Neue Methode zielt auf Rhythmusänderungen für heimliche Sprachangriffe ab.

Neue Methoden verbessern das Vergessen schädlicher Daten in Machine-Learning-Systemen.

Ein Blick auf robuste Lernmodelle und deren Bedeutung für die Datensicherheit.

Überprüfung von Sicherheitsrisiken in mmWave-Netzwerken, die simultane drahtlose Informations- und Energieübertragung nutzen.

Eine Studie zur Verbesserung von Techniken zur Modellerfassung für die Sicherheit von Deep Learning.

Ein neuer Ansatz kombiniert Wissen und Technologie, um die Erkennung von Softwareanfälligkeiten zu verbessern.

Dieses Papier stellt einen Rahmen vor, um Schwachstellen in grossen Sprachmodellen zu bewerten.

Zentauren kombinieren menschliche Einsicht und KI, um Entscheidungsfindung in verschiedenen Bereichen zu verbessern.

Eine neue Methode für verschlüsselte Steuerung verbessert die Sicherheit, während sie notwendige Funktionen ausführt.

Ein Plan, um die Widerstandsfähigkeit und Zuverlässigkeit des Stromnetzes angesichts neuer digitaler Risiken zu stärken.

Dieser Artikel untersucht die Auswirkungen von Datenvergiftung auf die Ausrichtung von Sprachmodellen.

P3GNN verbessert die APT-Erkennung und schützt gleichzeitig die Datenprivatsphäre in SDN-Netzwerken.

Lern, wie Backdoor-Angriffe Machine-Learning-Systeme bedrohen und welche Methoden es gibt, um sich dagegen zu verteidigen.

Tracemax bietet verbessertes Paket-Tracking für besseren DDoS-Angriffsschutz.

Ein Rahmen, um die APT-Erkennung zu verbessern und dabei die Privatsphäre zu schützen.

Die Sicherheitsherausforderungen durch gegnerische Angriffe auf multimodale Agenten erkunden.

Sich um die Sicherheitsbedenken von Code kümmern, der von grossen Sprachmodellen erzeugt wird.

LLMs können bei der Unterstützung zum Schutz vor Social Engineering helfen, bringen aber auch neue Risiken mit sich.