Últimos artículos para Seguridad de Datos

Un nuevo método mejora la seguridad y la privacidad en la gestión de datos de IoT.

Un nuevo método mejora los NODEs contra ataques adversariales usando capas ortogonales y control de la constante de Lipschitz.

Un nuevo método permite que canales cuánticos y clásicos coexistan de manera segura en fibra óptica.

Examinando las vulnerabilidades y estrategias de defensa en sistemas de aprendizaje multitarea contra ataques adversariales.

Explora cómo las curvas elípticas aseguran la información en criptografía.

Técnicas efectivas para manejar transacciones de bases de datos sin problemas.

Una mirada al impacto del aprendizaje federado en la privacidad y la equidad.

Un nuevo método mejora los modelos de aprendizaje profundo contra ataques de imágenes ocultas.

Examinando el impacto de la tecnología de voz en la privacidad personal.

Una mirada a cómo mejorar el intercambio seguro de claves usando métodos de codificación no binaria.

Explorando el potencial de los códigos Gabidulin para la comunicación segura en una era cuántica.

Este artículo explora las implicaciones de privacidad de la regresión de procesos gaussianos en el aprendizaje automático.

Los códigos cuánticos de dos bloques mejoran la corrección de errores en la computación cuántica, asegurando la integridad de los datos.

Explorando cómo los polinomios de permutación afectan la criptografía y la teoría del código.

Este artículo habla sobre el papel de los modelos de Equilibrio Profundo en el aprendizaje federado.

Esta técnica mejora la generación de casos de prueba para aplicaciones de aprendizaje profundo.

Descubre cómo el watermarking reversible protege a las redes neuronales profundas contra el mal uso.

Examinando la efectividad y los desafíos de los conjuntos de datos inaprendibles en la protección de información privada.

Este documento presenta un modelo formal para cálculos seguros en lenguaje C.

Nuevos algoritmos mejoran los métodos de extracción de datos ocultos en contenido multimedia.

Esta revisión analiza la resistencia del aprendizaje no supervisado a ataques adversariales.

Explorando formas seguras de calcular en conjunto sin revelar información privada.

Nuevos métodos mejoran la robustez del modelo contra ataques adversariales usando datos tabulares.

Los QRNGs usan la mecánica cuántica para generar verdadera aleatoriedad, que es clave para una comunicación digital segura.

Explorando la integración de TEEs y coprocesadores de seguridad para una mejor protección de datos.

Aprende métodos para proteger la información personal (PII) al usar Modelos de Lenguaje Grandes.

Un nuevo método para proteger modelos generativos contra el robo físico y funcional.

FedSMOO mejora el aprendizaje federado al abordar problemas de diversidad de datos y comunicación.

Una mirada a métodos para asegurar y sacar provecho de los prompts de IA.

Un nuevo método certifica las predicciones de las redes neuronales bajo varios cambios en las imágenes.

Nuevos métodos mejoran la eficiencia de la encriptación para aplicaciones de aprendizaje automático.

Un nuevo método mejora las defensas de las redes neuronales contra ataques adversariales.

Explorando estrategias para mejorar los modelos de aprendizaje automático contra ataques de datos dañinos.

Nuevo marco mejora la confianza en los datos de IoT al autenticar dispositivos a través del rendimiento del hardware.

Una mirada a la importancia de asegurar datos sensibles en el almacenamiento en la nube.

Un nuevo marco integra técnicas de privacidad y robustez para un aprendizaje automático confiable.

Este artículo examina los problemas de privacidad en la IA incorporada a través de métodos de inversión de gradiente.

Las apps móviles a menudo no son claras sobre la recopilación de datos, lo que afecta la confianza del usuario.

Este artículo examina el escaneo del lado del cliente y sus implicaciones para la privacidad y la seguridad.

Las técnicas de aprendizaje automático están transformando los enfoques criptográficos de Learning With Errors.