Informatique - Cryptographie et sécurité

AGE-FTM propose une solution pour protéger la vie privée dans la reconnaissance faciale.

Examine comment l'accessibilité varie parmi les réseaux blockchain Proof-of-Stake populaires.

FedVS améliore la vitesse d'entraînement des modèles et la confidentialité dans l'apprentissage fédéré vertical.

Analyse des attaques par canal auxiliaire sur des appareils économes en énergie.

Explorer la responsabilité et l'éthique dans la génération de code IA.

Explore comment les courbes elliptiques sécurisent l'information en cryptographie.

Découvrez des méthodes efficaces et discrètes pour estimer l'entropie dans les données.

Une nouvelle méthode et un nouveau dataset améliorent la détection précoce des vulnérabilités logicielles.

Une nouvelle méthode améliore la détection des correctifs de vulnérabilité dans les bibliothèques tierces.

Examiner l'impact de la technologie vocale sur la vie privée personnelle.

Un nouveau cadre améliore la sécurité des modèles linguistiques contre la manipulation de données nuisibles.

Un aperçu des nouvelles méthodes pour lutter contre les attaques de poisonnage de données en apprentissage automatique.

Examinons le clash entre l'IA générative et les lois sur le droit d'auteur.

L'ajustement des instructions soulève des inquiétudes concernant les vulnérabilités de sécurité dans les grands modèles de langage.

Enquête sur les différences dans les politiques de confidentialité et les étiquettes des applis iOS.

Découvrez comment les crLDCs améliorent l'intégrité des données et la correction des erreurs.

De nouvelles méthodes protègent les infos sensibles dans les invites pour les modèles de langage.

Une nouvelle méthode améliore la vie privée dans les arbres de décision sans sacrifier la précision.

Explorer les risques des grands modèles de langage face aux cybermenaces.

Explorer le potentiel des codes de Gabidulin pour une communication sécurisée à l'ère quantique.

Une nouvelle méthode utilisant le MPC pour sécuriser les données tout en identifiant des informations précises.

Un système de filigrane pour protéger les œuvres créatives contre une utilisation abusive par des modèles génératifs.

Le radio fingerpinting renforce la sécurité des satellites contre les attaques de spoofing et de replay.

Explorer des méthodes pour détecter la fraude dans la DeFi en utilisant des techniques d'analyse de données avancées.

Des avancées dans la recherche sur un nouveau dataset et des méthodes pour identifier la fraude liée au Bitcoin.

Cette étude examine les attaques sur les réseaux de distribution d'eau et propose des méthodes pour mieux détecter les fuites.

Cet article examine les implications de la vie privée de la régression par processus gaussien en apprentissage automatique.

FairDP propose une solution pour garantir la confidentialité et l’équité dans les systèmes d’apprentissage automatique.

Un nouveau modèle améliore la détection des menaces cyber dans les environnements cloud.

Une nouvelle méthode améliore l'anonymat dans les signatures en anneau pour une meilleure sécurité.

Examiner le rôle des techniques FPGA pour améliorer la sécurité matérielle.

Explorer le potentiel de la cryptographie basée sur les réseaux face aux menaces de l'informatique quantique.

vFedSec propose une formation sécurisée et efficace pour des modèles d'apprentissage machine dans des environnements fédérés.

Un nouveau modèle améliore la précision de détection des vulnérabilités en utilisant des techniques d'apprentissage profond.

Atteindre l'interopérabilité entre les CBDC pour améliorer les transactions et la confiance dans le système financier.

Explorer des outils pour une évaluation plus claire des preuves dans les enquêtes sur les crimes liés aux cryptomonnaies.

Des recherches montrent l'impact des mineurs égoïstes sur l'efficacité des blockchains DAG.

Une nouvelle approche pour des messages sécurisés sans révéler l'identité de l'expéditeur ou du destinataire.

Examiner la confiance et l'éthique autour du protestware dans les logiciels open source.

Ce papier examine les dangers de se fier aux données générées pour l'entraînement des modèles de langage.