Informática - Criptografía y seguridad

Un método nuevo para crear imágenes a partir de texto usando modelos especializados.

Esta investigación explora métodos para aprender circuitos cuánticos superficiales a pesar del ruido.

Un nuevo método de marca de agua ayuda a identificar datos tabulares sintéticos.

Una mirada a cómo se difunde la propaganda en Telegram durante los conflictos.

La competencia revela vulnerabilidades y defensas en la seguridad de los modelos de lenguaje.

Un nuevo marco para analizar flujos de datos mientras se garantiza la privacidad del usuario.

Explorando amenazas a la privacidad en el procesamiento de imágenes usando modelos de difusión y gradientes filtrados.

Analizando la privacidad de datos a través de la inferencia bayesiana con restricciones.

Explorando métodos para proteger imágenes personales del mal uso de la IA.

Este artículo habla sobre un nuevo método para mejorar la robustez contra ataques adversariales en la clasificación de imágenes.

Examinando los riesgos de seguridad en redes mmWave que utilizan transferencia simultánea de información y energía por wireless.

Un estudio sobre cómo mejorar las técnicas de extracción de modelos para la seguridad en el aprendizaje profundo.

Un nuevo enfoque para mejorar las velocidades de procesamiento de la encriptación homomórfica.

Este documento presenta un marco para evaluar vulnerabilidades en modelos de lenguaje grandes.

Aprende cómo el olvido dirigido protege la privacidad al permitir que los modelos se olviden de información específica.

Un nuevo método para verificar el olvido de máquinas de manera efectiva y segura.

Este artículo habla sobre el olvido de características y su impacto en la privacidad y la equidad en el aprendizaje automático.

Este artículo explora el impacto de la contaminación de datos en la alineación de modelos de lenguaje.

Los artistas enfrentan riesgos a medida que nuevas tecnologías imitan sus estilos únicos.

P3GNN mejora la detección de APT mientras protege la privacidad de los datos en redes SDN.

Mezclando métodos de clustering tradicionales con protecciones de privacidad usando privacidad diferencial.

Aprende cómo los ataques de puerta trasera amenazan los sistemas de aprendizaje automático y los métodos para defenderse de ellos.

Un método para mantener la privacidad al compartir estadísticas de tráfico urbano.

Nuevos métodos mejoran las predicciones al centrarse en la funcionalidad del código en lugar de los nombres de las variables.

Un marco para mejorar la detección de APT mientras se protege la privacidad.

LDMeta mejora la privacidad y la eficiencia en los métodos de aprendizaje distribuido.

El estudio examina cómo los anuncios de influencers moldean las percepciones sobre VPN y las creencias sobre la seguridad en línea.

Explorando los desafíos de seguridad que presentan los ataques adversariales en agentes multimodales.

Los LLMs ayudan a los evaluadores humanos a identificar de manera efectiva el contenido dañino en línea.

Este documento examina los riesgos y problemas de mantenimiento con las extensiones de Chrome.

Nuevas investigaciones revelan sistemas de prueba eficientes en entornos de almacenamiento cuántico limitado.

Un método para mejorar la privacidad de los datos en el aprendizaje federado eliminando influencias de datos específicas.

Abordando las preocupaciones de seguridad del código producido por modelos de lenguaje grandes.

Una nueva estrategia de defensa para LLMs contra ataques de puerta trasera.

Un nuevo método para proteger conjuntos de datos contra el uso no autorizado en modelos generativos.

Este artículo explora cómo la privacidad diferencial protege los datos de ECG en la salud.

Un estudio sobre sistemas de detección de intrusiones para identificar ataques de suplantación en redes de vehículos.

Explora la evolución y los desafíos del Valor Máximo Extraíble en DeFi.

Un nuevo enfoque ligero para mejorar el intercambio de amenazas cibernéticas entre dispositivos IoT.

Un nuevo conjunto de datos tiene como objetivo mejorar la seguridad de los modelos de texto a imagen contra contenido perjudicial.