Neuste Artikel für Datensicherheit

Hier ist SPLITZ, eine Methode zur Verbesserung der Stabilität von KI-Modellen gegen angreifende Beispiele.

Ein neuer Ansatz zielt darauf ab, die Privatsphäre der Nutzer zu schützen und gleichzeitig die Genauigkeit der Ergebnisse zu verbessern.

Dieser Artikel untersucht die Bedeutung von quaternären Additivcodes bei der Fehlerkorrektur.

Ein Blick auf Föderiertes Lernen und seine Rolle beim Schutz von Nutzerdaten.

Ein Blick auf randomisierte Glättung als Verteidigung für Machine-Learning-Modelle.

Erforschen, wie sich Organisationen an grosse Sprachmodelle anpassen.

SNNGX bietet neue Sicherheitslösungen für Spiking Neural Networks in verschiedenen Anwendungen an.

Neue Code-Typen verbessern die Informationsübertragung und Sicherheit in Netzwerken.

LightPHE erleichtert es, sensible Daten mit homomorpher Verschlüsselung zu schützen.

Neue Methode verbessert die Generierung synthetischer Daten und sorgt gleichzeitig für Datenschutz.

Erforschen, wie Blockchain die Sicherheit von grossen Sprachmodellen verbessern kann.

FedTime kombiniert föderiertes Lernen und lokale Daten für bessere Vorhersagen und sorgt dabei für Datenschutz.

BackdoorBench bietet einen einheitlichen Ansatz, um Backdoor-Lernmethoden in tiefen neuronalen Netzwerken zu bewerten.

Ein Blick auf die Schwächen von LLMs und Strategien zur Verbesserung.

Eine neue Methode zum Schutz medizinischer Daten mit Blockchain und selbstbestimmter Identität.

Überprüfung von Datenschutzbedenken bei aufgabenorientierter Kommunikation in der kommenden 6G-Technologie.

Innovative Techniken schützen sensible Sprachdaten und sorgen gleichzeitig für eine genaue Verarbeitung.

Eine neue Methode verbessert die Privatsphäre von Gesichtsaufnahmen und behält dabei die Qualität.

Forschung verbessert Methoden zur Analyse von leichten Chiffren wie Simon und Simeck.

Untersuchung der Risiken und Strategien für Modellentführung in föderierten Lernsystemen.

Neue Methoden verbessern die Analyse von code-basierter Kryptografie und steigern die Sicherheit.

Ein Blick auf die Risiken von Prompt-Leaks in grossen Sprachmodellen und Methoden zur Vermeidung.

Untersuchen, wie KI-Assistenten die Privatsphäre der Nutzer respektieren können, während sie Aufgaben erledigen.

Grössere Sprachmodelle zeigen eine höhere Anfälligkeit für schädliche Datenverhalten.

Entdecke das Potenzial der Kramers-Kronig-Detektion in sicherer Quantenkommunikation.

Lern, wie QR-Codes funktionieren und welche Rolle die Fehlerkorrektur dabei spielt.

Neue Methoden verbessern die Widerstandsfähigkeit von Deep-Learning-Modellen gegen feindliche Veränderungen.

Neue Methoden verringern Identitätslecks bei der Gesichtserkennung und sorgen gleichzeitig für Datenschutz.

RAG-Systeme verbessern die Abläufe, bringen aber ernsthafte Sicherheitsanfälligkeiten mit sich.

Die Integration von Quantencomputing und randomisiertem Glätten verbessert die Sicherheit von Machine-Learning-Modellen gegen Angriffe.

Untersuchung der Auswirkungen von PMD auf sichere Datenübertragungsmethoden.

Neue Methoden verbessern den Datenschutz und erhalten gleichzeitig die Genauigkeit der Analyse.

CRISP schützt Cloud-Anwendungen vor Rollback-Angriffen und sorgt für Datenintegrität und Sicherheit.

Neue Methoden decken Schwachstellen in medizinischen Modellen durch Hintertürangriffe auf.

Ein Leitfaden, um die differentielle Privatsphäre und ihre Auswirkungen auf persönliche Daten besser zu verstehen.

Eine Methode, um Identitäten zu überprüfen und dabei persönliche Informationen zu schützen.

Ein flexibles System verbessert den Zugang zu sensiblen Informationen für vertrauenswürdige Nutzer.

Ein Blick darauf, wie On-Device-Lernen die App-Leistung mit der Privatsphäre der Nutzer in Einklang bringt.

MIA-Tuner will versuchen, die Datenschutzprobleme bei LLM-Trainingsdaten anzugehen.

Kollisionsfreie ausgewogene Sequenzen verbessern Kommunikationssysteme, indem sie Interferenzen verhindern.