Informatique - Cryptographie et sécurité

Examiner des modèles génératifs pour des données d'expression génique synthétiques tout en garantissant la vie privée des patients.

Epistral a pour but de remodeler les médias numériques grâce à l'équité et à la décentralisation.

Une plongée dans les aspects clés et les défis de l'apprentissage fédéré décentralisé.

Méthodes innovantes pour améliorer la sécurité des mots de passe pendant les processus de remplissage automatique.

Explorer comment la Confidentialité Différentielle protège les données personnelles tout en offrant des informations précieuses.

Analyser la sécurité du protocole de sumcheck à travers des méthodes de vérification formelle.

Cette étude explore des stratégies de formation pour améliorer la détection des faux audio.

L'examen des attaques de jailbreak montre des faiblesses dans la sécurité des modèles de langage.

Un cadre pour évaluer les méthodes de synthèse de données pour la qualité et la vie privée.

De nouvelles méthodes améliorent la vie privée dans l'apprentissage automatique en perfectionnant les mécanismes de sélection privée.

Examiner la relation entre les lois sur la protection des données et les pratiques d'apprentissage automatique.

Une nouvelle méthode basée sur l'audio estime la taille des foules sans empiéter sur la vie privée.

Cet article parle de l'attaque SpongeNet et de son impact sur la consommation d'énergie dans les modèles de deep learning.

Découvrez comment P3LS permet un partage de données sécurisé dans le secteur manufacturier.

Un aperçu approfondi des attaques de corruption qui menacent les systèmes de blockchain.

Les portes dérobées architecturales posent de graves risques de sécurité dans les réseaux de neurones, restant souvent indétectées.

Une méthode pour réaliser des tests bayésiens tout en protégeant la vie privée des individus.

Une nouvelle méthode pour gérer l'accès à la base de données avec clarté et efficacité.

De nouvelles stratégies permettent aux attaques par Trojan de contourner efficacement les méthodes de détection.

Une nouvelle solution détecte les traqueurs en ligne tout en gardant les sites web fonctionnels.

Apprends à protéger les données des utilisateurs dans les apps Android de manière efficace.

Examen des risques de vie privée et des solutions pour le suivi oculaire en réalité virtuelle.

Une nouvelle approche améliore la confidentialité pour partager des données multi-attributs de manière efficace.

Un aperçu détaillé de l'évaluation de CyberMetric sur les experts en cybersécurité, qu'ils soient IA ou humains.

Un aperçu de comment les algorithmes de marche aléatoire améliorent la vie privée dans l'apprentissage décentralisé.

Découvre le rôle des réseaux pour sécuriser les infos contre les menaces quantiques.

Cet article passe en revue un modèle décentralisé pour l'attestation à distance qui améliore la sécurité.

L'informatique quantique améliore le calcul multipartite sécurisé en boostant la vie privée et l'efficacité.

NeuroBench standardise les études d'authentification par ondes cérébrales pour améliorer les techniques de sécurité.

Cet article couvre des méthodes pour estimer les vitesses des bus tout en protégeant la vie privée.

Explorer comment les entreprises abordent le développement de logiciels sécurisés dans un paysage numérique en évolution.

NU-HUNCC combine des techniques innovantes pour des messages sécurisés contre les menaces évolutives.

Une nouvelle approche pour identifier les attaques de spear-phishing en utilisant des modèles de langage avancés.

Une initiative dirigée par la communauté pour identifier les prompts nuisibles dans les modèles T2I.

Comprendre les attaques d'exemples non apprenables à travers la théorie des jeux pour une meilleure protection des données.

Cette étude met en évidence l'importance de la haute non-linéarité dans les fonctions booléennes pour la cryptographie.

Cette étude passe en revue les vulnérabilités des modèles d'IA utilisés pour les applications génomiques.

Les deepfakes posent des risques pour les libertés personnelles et la sécurité nationale.

SafeCoder améliore la sécurité du code généré par les modèles de langage.

Les LLMs personnalisés soulèvent des inquiétudes en matière de sécurité, surtout avec les attaques par backdoor d'instruction.