Neuste Artikel für Cyber-Sicherheit

Eine neue Methode kombiniert föderiertes Lernen und adversariales Training zur Erkennung von Insider-Bedrohungen.

Untersuchung von Reverse-Preference-Angriffen und deren Auswirkungen auf die Sicherheit von Modellen.

Eine neue KI-gesteuerte Plattform will die Sicherheit im Gesundheitswesen verbessern.

PromSec optimiert Aufforderungen zur Generierung von sicherem und funktionalem Code mit LLMs.

Wir stellen PureDiffusion vor, um die Abwehrmechanismen gegen Backdoor-Bedrohungen zu verbessern.

Untersuchung effizienter Angriffe auf die automatische Modulationsklassifizierung mithilfe des Goldenen Verhältnisses.

Forschungen zeigen, wie Drohnen in unsichere Flugbahnen gelockt werden können.

Proxy-Verträge in Ethereum bringen Vorteile, haben aber auch ernsthafte Sicherheitsrisiken.

Dieser Artikel untersucht einen neuen Ansatz für sichere Public-Key-Verschlüsselung.

Diese Studie konzentriert sich darauf, die Betrugserkennungsmethoden durch moderne Technologie zu verbessern.

Neue Methoden verbessern Strategien zum Schutz von Systemen gegen Angriffe.

Ein neuer Ansatz zur effizienten Klassifizierung von Malware mit weniger gekennzeichneten Proben.

Eine neue Methode nutzt Sprachmodelle für eine bessere Bewertung der URL-Sicherheit.

Die Datenschutzprobleme bei Federated Learning und Gradienteninversionsangriffen untersuchen.

MEGA-PT verbessert die Effektivität und Anpassungsfähigkeit von Penetrationstests für bessere Cybersicherheit.

Eine Studie zeigt den Anstieg von Cyberkriminalität in Telegram-Kanälen.

RPKI stärkt das Internet-Routing, indem es die Authentizität von Daten überprüft.

Diese Arbeit stellt neue Methoden zur Erkennung von Malware mithilfe von Visualisierung und maschinellem Lernen vor.

Firmware-Schwachstellen untersuchen und die Tools zur Verbesserung der Sicherheit.

Die Rolle von semantischer Kommunikation und Sicherheit in nächstgen Netzwerken erkunden.

Dieser Artikel untersucht die Rolle von Browser-Fingerprinting in der Online-Werbung und die damit verbundenen Datenschutzbedenken.

Ein neuer Speicher-Allocator verbessert die Sicherheit gegen Rowhammer-Angriffe, während die Leistung erhalten bleibt.

Sicherheitsrisiken in generativer KI durch Red- und Blue-Teaming angehen.

Die Effektivität von LLMs für Bedrohungsanalysen bewerten.

Verbesserung der Erkennungsmethoden für schädliche Pakete in Software-Repositories.

Neue Methoden verbessern die Aktuatorsicherheit in cyber-physikalischen Systemen, um Angriffe zu verhindern.

Die Balance zwischen Bedrohungen durch Angreifer und proaktiven Massnahmen im maschinellen Lernen erkunden.

Forschung zeigt Risiken in den Bewegungssensoren von Smartphones, was Datenschutzbedenken aufwirft.

Die Verbindungen zwischen CAPEC und ATT&CK analysieren für bessere Risikoabschätzungen.

Untersuche die Datenschutzbedenken rund um Membership-Inference-Angriffe im maschinellen Lernen.

Ein neuer Ansatz verbessert die Betrugserkennung mit Quantencomputing und SVM-Modellen.

Eine Studie über die Wichtigkeit von Evaluationsmetriken bei der Anomalieerkennung.

Dieser Benchmark bewertet Datenschutzbedrohungen und Abwehrmechanismen in NLP-Modellen.

Ein Blick darauf, wie KI Online-Betrug erkennt und analysiert.

Selektive Verschlüsselung verbessert die Privatsphäre und hält gleichzeitig die Modellleistung im kollaborativen Lernen aufrecht.

Ein Rahmenwerk für sicheres Training von Machine-Learning-Modellen.

KI-Technologie verändert die Landschaft von Vishing-Betrügereien und erhöht die Risiken für Einzelpersonen.

Ein flexibles Testbett verbessert die Forschung im Bereich Named Data Networking für besseren Datenzugriff.

Dieser Artikel behandelt, wie man die unüberwachte Anomalieerkennung mit Klassifikationsmethoden verbessern kann.

Ein Blick auf datenschutzfreundliche Berechnungen und deren Effizienz durch speicherzentrierte Designs.