Últimos artículos para Seguridad en línea

Examinando cómo el lenguaje en evolución afecta a los modelos que detectan abusos en línea.

Un nuevo marco mejora la detección de lenguaje dañino en línea a través del aprendizaje continuo.

Una visión general de la conciencia y experiencias de los usuarios con las tecnologías de seguridad en las redes sociales.

Las imágenes generadas por IA alimentan el aumento de cuentas engañosas en redes sociales.

Las tácticas de phishing están evolucionando con la IA, lo que representa nuevos riesgos para las organizaciones.

Explorando los desafíos y estrategias para moderar el discurso de odio en línea.

Una mirada a la decepción en línea y cómo detectarla de manera efectiva.

Examinando los retos que enfrentan los jóvenes LGBTQ+ en las redes sociales.

Un nuevo método mejora la detección de contenido odioso en memes.

Un nuevo marco mejora la detección de discurso de odio al generar casos de prueba realistas.

Examinando el papel de la moderación de contenido en comunidades de salud mental en línea.

Examinando cómo los usuarios perciben la justicia en las decisiones de moderación en las plataformas.

Este artículo habla sobre cómo los modelos de lenguaje ayudan a identificar el discurso de odio.

Un estudio sobre el impacto y la identificación de memes de odio en el idioma bengalí.

Este estudio aborda los ataques intencionados de usuarios sobre el lenguaje ofensivo en las redes sociales coreanas.

Nuevos métodos de evaluación buscan mejorar la detección de contenido dañino en línea.

Este artículo explora cómo los usuarios perciben los sitios de phishing adversarial y maneras de mejorar la detección.

Mejorar las herramientas para detectar lenguaje dañino en espacios en línea es clave para la seguridad.

SGHateCheck se enfoca en idiomas locales para combatir el odio en línea de manera efectiva.

Un nuevo marco que protege las identidades en línea mientras mantiene la claridad de los mensajes.

Nueva investigación revela fallos en la detección de dominios transitorios utilizados para abusos en línea.

Examinando el impacto y la difusión de información maliciosa en plataformas sociales.

Examinando el impacto de los empujones en el comportamiento de cambio de contraseñas después de filtraciones de datos.

La investigación revela la exposición a contenido dañino para los hablantes de amhárico en YouTube.

Un nuevo enfoque usando agentes conversacionales para tener charlas más seguras en WhatsApp.

Un nuevo marco mejora la detección de lenguaje dañino en espacios en línea.

Un análisis de cómo los servicios en línea manejan la privacidad de los datos de los niños.

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

LionGuard mejora la seguridad del contenido al centrarse en el contexto lingüístico único de Singapur.

Abordando los desafíos del E2EE y los métodos de recuperación de cuentas.

Este documento presenta Demarcación para abordar de manera efectiva el discurso abusivo en línea.

Un nuevo conjunto de datos tiene como objetivo mejorar la detección de discursos de odio en Indonesia.

Un estudio que evalúa la calidad de los conjuntos de datos para identificar el discurso de odio en línea.

Un nuevo método mejora la identificación del discurso de odio en las redes sociales árabes.

Un nuevo método promueve la equidad en la identificación de lenguaje tóxico dirigido entre diferentes grupos demográficos.

Un nuevo modelo mejora la adivinanza de contraseñas y la evaluación de su fuerza.

Aprende a detectar y prevenir ataques de fuerza bruta a través de escenarios de entrenamiento prácticos.

Un estudio sobre la efectividad de los sistemas y conjuntos de datos para detectar lenguaje ofensivo.

PhishLang ofrece una mejor detección de sitios web de phishing usando técnicas de análisis avanzadas.

Un nuevo sistema combate el discurso de odio en memes de manera efectiva.