Neuste Artikel für Cyber-Sicherheit

CyberForce kombiniert Lernstrategien, um IoT-Geräte vor Malware zu schützen.

Dieser Artikel bespricht neue Bedrohungen für tiefe neuronale Netzwerke durch Bit-Flip-Angriffe.

Post-Quanten-Kryptographie entwickelt neue Methoden, um Daten vor Quantenangriffen zu schützen.

Forschung zeigt, dass Deep Reinforcement Learning die IoT-Sicherheit verbessern kann.

Ein Blick auf die Rolle von maschinellem Lernen im Kampf gegen Cyberbedrohungen.

Automatisierte Tools verbessern Penetrationstests durch KI-Integration und Aufgabenmanagement.

Erforschung der neuesten Erkenntnisse vom Gipfel zur Sicherheit in der Software-Lieferkette.

Mit dem Fortschritt der Sprachklontechnologie sind zuverlässige Erkennungsmethoden entscheidend.

Ein neues Framework, SerIOS, verbessert die Hardware-Sicherheit in optoelektronischen Systemen.

Ein neuer Angriff zeigt Risiken für die Sicherheit von Patientendaten in föderierten Lernsystemen.

LCMsec bietet eine sichere Methode für die direkte Kommunikation zwischen Geräten.

Eine Studie über die Prozesse und Herausforderungen, mit denen Sicherheitsprofis konfrontiert sind.

Studie zeigt Schwachstellen in aktualisierten Sprachmodellen gegenüber Angriffsversuchen.

Neue Methoden bringen ernsthafte Sicherheitsrisiken für die Spracherkennungstechnologie mit sich.

Untersuche die Auswirkungen von adversarialen Angriffen auf Systeme mit Multi-Agenten-Verstärkungslernen.

Risiken und Strategien untersuchen, um Stromnetze vor Angriffen, die die Last verändern, zu schützen.

DyNNs bieten effiziente Verarbeitung und robuste Leistung gegen feindliche Angriffe.

Methoden zur Anpassung in der Testzeit sind anfällig für Vergiftungsangriffe, was ihre Effektivität in Frage stellt.

Untersuchen, wie Modellkompression die Verteidigung gegen adversarielle Angriffe beeinflusst.

Risiken in gemeinsamen Zuständen von AR-Anwendungen untersuchen und Möglichkeiten zur Verbesserung der Sicherheit finden.

Ein neues Framework verbessert die Zuverlässigkeit von Deep-Learning-Modellen gegenüber subtilen Änderungen.

Eine neue Methode zielt darauf ab, intelligente Fahrzeuge vor Falschangriffen zu schützen.

Fortgeschrittene KI-Tools können missbraucht werden, um Malware zu erstellen, was Bedenken hinsichtlich der Cybersicherheit aufwirft.

LeakFuzzer erkennt Informationslecks in Programmen, um die Sicherheit von Software zu verbessern.

Verborgene Schwachstellen in Machine-Learning-Modellen erkunden und mögliche Gegenmassnahmen.

Forschung zeigt neue Wege, um die Abwehr von Modellen gegen feindliche Angriffe zu verbessern.

Ein neuer Ansatz verbessert die Cybersicherheit für Cloud-Dienste, indem er VM-Bedrohungen vorhersagt.

Phishing-Angriffe mit gefälschten Logos stellen ernsthafte Risiken für die Nutzer dar.

Die Synergie zwischen LLMs und ZTNs für ein besseres Netzwerkmanagement erkunden.

Forscher zeigen, wie Malware Antivirenprogramme durch clevere Angriffe täuschen kann.

ConRo verbessert die Betrugserkennung, indem es schädliche Sessions mithilfe von Deep Learning effektiv identifiziert.

Dieser Artikel behandelt Vergiftungsangriffe auf finanzielle Deep-Learning-Modelle und deren versteckte Risiken.

Ein Framework, das digitale Zwillinge nutzt, um kompromittierte IoT-Geräte zu identifizieren.

Die Automatisierung der Priorisierung von Fehlerberichten verbessert die Sicherheit von Smart Contracts und die Effizienz der Entwickler.

Ein neues Framework verbessert die Effektivität von adversarialen Angriffen auf Code-Modelle.

Die Gefahren durch gegnerische Angriffe auf Bild- und Textmodelle untersuchen.

Untersuchen, wie kausale neuronale Netze die Resilienz gegenüber adversarialen Angriffen verbessern.

Ein neues Modell verbessert die Schwachstellenerkennung mit positiven und nicht markierten Daten.

Timing-Angriffe stellen Risiken für Software dar, indem sie sensible Informationen durch die Ausführungszeit offenbaren.

Neue Methoden identifizieren verknüpfte Konten, um missbräuchliche Inhalte in sozialen Medien zu reduzieren.