Informática - Criptografía y seguridad

Este artículo examina el papel de las PET en la privacidad de datos y sus aplicaciones.

Examinando las complejidades de la privacidad de datos y el desaprendizaje en el aprendizaje automático.

Un método que combina el Aprendizaje Dividido con la Encriptación Homomórfica mejora la privacidad en el aprendizaje automático.

Un método para optimizar la configuración de privacidad y mejorar la protección de datos y su utilidad.

La investigación revela debilidades en cómo se prueban y evalúan los modelos de tabla.

Un nuevo marco asegura que las respuestas de datos sintéticos sean confiables para la investigación.

Un marco para asegurar la privacidad del usuario en GNNs sin perder precisión.

Un método llamado HINT protege el aprendizaje automático de ataques de datos perjudiciales.

Te presentamos XFedHunter para la detección y análisis avanzado de ataques APT en redes.

VulnSense usa métodos avanzados para detectar vulnerabilidades en contratos inteligentes de Ethereum.

Analizando la efectividad de NTRU y el impacto de los grupos diédricos en la seguridad criptográfica.

Una mirada a los desafíos en el Aprendizaje Federado por ataques de reconstrucción de datos.

Un método que permite el aprendizaje automático en datos encriptados para proteger la privacidad del usuario.

Un marco para mejorar la privacidad en los sistemas de recomendación mientras se aseguran sugerencias precisas.

Un estudio sobre cómo identificar la mejor opción mientras se asegura la privacidad de los datos.

Este método mejora las recomendaciones mientras protege la privacidad de los datos del usuario.

Presentamos un marco para una mejor aislamiento de aplicaciones y compartir recursos.

Explorando métodos de privacidad diferencial para obtener información segura de datos.

Un estudio sobre cómo aprender mezclas gaussianas protegiendo la privacidad de los datos individuales.

Nuevos modelos mejoran la identificación de esquemas Ponzi en criptomonedas.

Un nuevo método para mejorar la seguridad del bus CAN usando Redes Neuronales Convolucionales de Grafos.

Este artículo habla sobre técnicas para analizar áreas específicas dentro de circuitos integrados.

Infórmate sobre los riesgos de usar plugins en plataformas de LLM.

Nuevo marco mejora el rendimiento del procesamiento de datos encriptados usando GPUs.

Descubre cómo las honeywords pueden mejorar la seguridad de las contraseñas y proteger las cuentas de usuario.

Un nuevo modelo para las stablecoins busca mejorar la fiabilidad y fomentar la inversión.

Los ataques acústicos amenazan la seguridad de los datos al capturar sonidos de los teclados.

Mejorando la seguridad de modelos de aprendizaje automático contra ataques adversariales a través de robustez certificada.

Presentando un protocolo para la predicción de enlaces que respeta la privacidad en gráficos distribuidos.

La investigación revela vulnerabilidades en los modelos de aprendizaje automático a través de manipulación de incertidumbre dirigida.

Explorando cómo los atacantes explotan modelos de lenguaje grandes para extraer información.

Un nuevo método protege datos sensibles durante el entrenamiento de machine learning.

Aprende cómo los cibercriminales engañan a los usuarios para que revelen información sensible.

La investigación combina modelos de lenguaje y de difusión para mejorar las defensas contra ataques adversariales.

Examinando cómo los usuarios manejan las preocupaciones de privacidad con agentes conversacionales basados en LLM.

Este artículo examina cómo Google Bard responde a ataques de imágenes adversariales.

Un nuevo enfoque de marcas de agua protege los modelos 3D de usos no autorizados.

Aprende cómo la compartimentalización mejora la seguridad del software al limitar el acceso y la interacción.

Los contratos perezosos reducen los costes de gas y aseguran una gestión justa de los contratos inteligentes.

Presentando un método para verdadera aleatoriedad en sistemas descentralizados usando teoría de juegos.