Informatique - Cryptographie et sécurité

Des recherches révèlent des failles dans la technologie de reconnaissance de démarche des smartphones.

Les filigranes peuvent aider à protéger le droit d'auteur lors de l'entraînement des modèles d'IA en prouvant l'utilisation du texte.

Une nouvelle méthode pour la détection d'intrusions dans les réseaux de capteurs sans fil en utilisant l'apprentissage automatique.

Cet article examine la menace des attaques par porte dérobée sur les agents de modèles de langage.

SPML améliore la sécurité des chatbots en surveillant les entrées des utilisateurs et en affinant les définitions.

Cet article examine comment les modèles de langage peuvent adopter des biais idéologiques à partir des données d'entraînement.

Explorer les menaces posées par le empoisonnement de données indiscriminé dans l'apprentissage auto-supervisé.

Un système pour vérifier l'équité dans l'apprentissage automatique tout en protégeant la confidentialité du modèle.

Une étude révèle des stratégies efficaces pour améliorer la chasse aux menaces en cybersécurité.

Une nouvelle technique améliore la détection de bugs dans les moteurs JavaScript en utilisant des modèles avancés.

Examiner comment le fine-tuning augmente le risque de révéler des données d'entraînement sensibles.

Une nouvelle méthode améliore la puissance et la précision des modèles d'apprentissage profond.

Explorer le rôle des réseaux dans les systèmes cryptographiques sécurisés.

Comprendre les risques et les solutions pour protéger les services essentiels.

Un système qui surveille le traffic de communication pour améliorer la sécurité des véhicules et se protéger contre les menaces.

Une nouvelle méthode pour marquer des audios créés par des modèles de diffusion pour protéger les droits d'auteur.

Cette étude évalue les méthodes d'apprentissage automatique pour améliorer les systèmes de détection d'intrusion.

Explorer les défis de sécurité de l'ingénierie des invites avec les LLM.

Un aperçu des attaques de reconstruction et de leur impact sur la vie privée des données dans l'apprentissage automatique.

Une nouvelle approche pour la détection d'anomalies sécurisée dans les données de graphe.

Apprends sur le modélisation des menaces et son importance dans la gestion de la sécurité des entreprises.

Des faux CV manipulent les plateformes d'emploi, nuisant aux entreprises et aux chercheurs.

Évaluer l'efficacité des GNN contre les risques de sécurité dans les circuits intégrés.

Une étude sur l'utilisation de DistilBERT pour une détection efficace des emails de phishing.

Une nouvelle méthode pour améliorer l'efficacité des enquêtes sur la cybercriminalité.

Examiner les défis et solutions dans l'apprentissage machine collaboratif pour une meilleure vie privée et sécurité.

Explorer comment l'IA générative peut améliorer la sécurité de la communication et répondre aux menaces émergentes.

Une nouvelle méthode de filigrane protège les modèles de langue personnalisés contre une utilisation non autorisée.

Une nouvelle méthode pour améliorer les modèles d'apprentissage automatique affectés par des données de mauvaise qualité.

Une méthode pour régler les problèmes de portes dérobées dans les modèles de base sans perdre de fonctionnalité.

Cette étude révèle ce que les attaquants savent sur les attaques adversariales contre les modèles de reconnaissance d'images.

De nouvelles méthodes améliorent la vie privée et la précision dans les environnements informatiques sécurisés.

SeePrivacy vise à simplifier la façon dont les utilisateurs interagissent avec les politiques de confidentialité.

Une nouvelle attaque par cache exploite les politiques de remplacement pour fuites d'infos sensibles.

L'étude évalue la facilité d'utilisation des systèmes d'authentification par ondes cérébrales et mouvements oculaires.

Explorer les vulnérabilités dans les preuves à connaissance nulle en cryptographie.

Une nouvelle approche pour améliorer la détection de malware grâce à une analyse par morceaux.

DECORAIT permet aux créateurs de gérer leurs droits sur le contenu numérique.

Une nouvelle approche pour améliorer la sécurité des modèles de langage sans avoir à les réentraîner de manière intensive.

Cet article examine l'effacement machine dans les grands modèles de langage.