Informatique - Cryptographie et sécurité

Explorer les facteurs clés qui influencent la robustesse contre les attaques adversariales en apprentissage automatique.

De nouvelles méthodes visent à protéger les données sensibles dans l'apprentissage machine sans perdre en performance.

La recherche se concentre sur la sécurité du sponge hashing face aux menaces des ordinateurs quantiques.

PrintListener expose des vulnérabilités dans l'authentification par empreinte digitale grâce à l'analyse sonore.

NOSTR lance un marché pour que les utilisateurs puissent entraîner des modèles d'IA efficacement.

De nouvelles méthodes améliorent la détection des anomalies dans les systèmes de détection d'intrusions réseau.

Un nouvel algorithme améliore l'apprentissage fédéré en s'attaquant à la diversité des clients et à l'efficacité.

Améliorer la sécurité des logiciels en détectant les vulnérabilités avant qu'elles ne soient exploitées.

Une méthode pour protéger la vie privée des données dans des systèmes d'apprentissage décentralisés en utilisant des nœuds virtuels.

Une plateforme en ligne améliore les exercices sur table pour un meilleur apprentissage en informatique.

Mesurer la robustesse et la sécurité dans les systèmes cyber-physiques face aux menaces des capteurs.

Un aperçu des proxies résidentiels, leurs usages et les menaces associées.

Cette recherche examine les données de transactions pour évaluer l'impact des échanges sur Polkadot.

Sisu propose un moyen sécurisé de prouver l'authenticité des nœuds complets Ethereum de manière efficace.

Examiner les problèmes de vie privée et les solutions dans les systèmes de réseaux intelligents.

Une nouvelle façon de partager des données de trajectoire tout en protégeant la vie privée des utilisateurs.

Cet article examine comment les étapes de prétraitement peuvent influencer les garanties de confidentialité des données.

Un cadre offre une meilleure vérification de l'exactitude des données dans les voitures autonomes.

S3PHER donne du pouvoir aux patients en leur permettant de partager leurs données de santé en toute sécurité avec les professionnels de santé.

Un aperçu de la DeFi et son impact sur les services financiers.

Une méthode pour optimiser des modèles tout en gardant leur architecture confidentielle.

Un nouveau mécanisme de défense réduit les risques d'attaques par inférence de label dans l'apprentissage automatique collaboratif.

Un aperçu des efforts d'éducation en intelligence commune à travers l'Europe.

Une étude explore les perceptions des électeurs sur de faux crédits de vote pour lutter contre la coercition.

Intégrer des programmes de bug bounty améliore la formation en cybersécurité grâce à l'expérience pratique.

Une nouvelle méthode améliore la sécurité dans l'apprentissage fédéré grâce à l'analyse des sorties intermédiaires.

Évaluer les risques des modèles de langage pour garantir la sécurité des utilisateurs et l'intégrité du système.

Une nouvelle approche pour la modélisation basée sur des agents protège la vie privée individuelle tout en maintenant l'exactitude des données.

Utiliser l'IA pour simplifier la création de code PowerShell pour la cybersécurité.

Approches innovantes pour améliorer la performance des DRAM et la sécurité contre les vulnérabilités RowHammer.

CUMAD détecte les appareils IoT piratés tout en minimisant les fausses alertes.

Un aperçu des risques et des implications de l'art généré par l'IA pour la vérité et la créativité.

Cet article explore comment les invariants peuvent améliorer la sécurité des smart contracts contre les attaques.

Un aperçu des nouvelles méthodes pour sécuriser les Réseaux de Neurones Quantiques contre le vol.

Explorer comment BR-DP équilibre la vie privée et l'analyse des données.

Une étude sur les liens entre les produits informatiques certifiés et leurs implications en matière de sécurité.

NFTAA combine les NFTs et les fonctions de compte pour un meilleur contrôle des actifs.

Un nouveau système pour évaluer les vulnérabilités des logiciels à plusieurs niveaux.

Explorer des méthodes de fine-tuning pour améliorer la précision du modèle tout en garantissant la confidentialité des données.

Examiner les risques des attaques de poisoning de modèles dans les systèmes d'apprentissage fédéré.