Informatique - Cryptographie et sécurité

Une analyse de comment les services en ligne gèrent la vie privée des données des enfants.

Cette étude explore les limites de la précision et de la robustesse des modèles d'apprentissage automatique.

Explorer les vulnérabilités dans l'apprentissage fédéré personnalisé et les nouvelles méthodes d'attaque par porte dérobée.

Une méthode pour améliorer la détection d'intrusions dans le réseau en s'attaquant au déséquilibre des classes.

De nouvelles méthodes améliorent la sécurité des systèmes cryptographiques en utilisant la mécanique quantique.

Une nouvelle approche pour trouver des failles de sécurité dans les processeurs en utilisant le cadre Shesha.

Cet article parle des risques de hallucinations de paquets dans les modèles de génération de code.

Utiliser des modèles de langage pour améliorer la détection de bugs dans les logiciels et l'efficacité des tests.

Cet article parle des défis de l'oubli machine et d'une nouvelle approche pour équilibrer la vie privée et l'exactitude.

Stratégies pour détecter et combattre les bots evasifs en ligne.

Le nouveau benchmark CTIBench évalue l'efficacité des LLM pour lutter contre les menaces cyber.

Un nouveau benchmark teste la capacité des LLM à trouver des vulnérabilités dans les logiciels.

Un kit d'outils pour évaluer la sécurité des modèles de langage avancés.

Enquête sur les vulnérabilités des méthodes de watermarking audio face aux menaces du monde réel.

Un aperçu des méthodes de sécurité du noyau pour lutter contre des attaques avancées comme Spectre.

Un nouveau système de signature numérique améliore la vitesse et la sécurité dans les applications de centre de données.

Une méthode qui combine la SGD et des techniques de confidentialité pour une analyse de données efficace.

Examiner des stratégies pour lutter contre le dark pooling dans les espaces publicitaires numériques.

Examen de la faille Rowhammer et ses implications pour la sécurité des données.

NutNet améliore les systèmes de détection d'objets en identifiant efficacement les patchs adverses.

Découvrez comment l’informatique quantique privée peut protéger des données sensibles pendant des calculs complexes.

Enquêter sur les failles de sécurité dans l'Extension de Marquage Mémoire et les attaques par exécution spéculative.

Examiner les risques de sécurité et les solutions pour les nouvelles technologies d'assistants IA.

Une nouvelle méthode pour créer des images à partir de texte en utilisant des modèles spécialisés.

Cette recherche explore des méthodes pour apprendre des circuits quantiques peu profonds malgré le bruit.

Une nouvelle méthode de filigrane aide à identifier les données tabulaires synthétiques.

Un aperçu de comment la propagande se propage sur Telegram pendant les conflits.

La compétition révèle des vulnérabilités et des défenses dans la sécurité des modèles linguistiques.

Un nouveau cadre pour analyser les flux de données tout en garantissant la confidentialité des utilisateurs.

Explorer les menaces à la vie privée dans le traitement d'images en utilisant des modèles de diffusion et des gradients fuités.

Analyse de la confidentialité des données à travers l'inférence bayésienne avec des contraintes.

Explorer des méthodes pour protéger les images personnelles contre l'utilisation abusive par l'IA.

Cet article parle d'une nouvelle méthode pour améliorer la robustesse contre les attaques adversariales dans la classification d'images.

Examen des risques de sécurité dans les réseaux mmWave utilisant le transfert simultané d'informations et d'énergie sans fil.

Une étude sur l'amélioration des techniques d'extraction de modèles pour la sécurité des deep learning.

Une nouvelle approche pour améliorer les vitesses de traitement du chiffrement homomorphe.

Ce papier présente un cadre pour évaluer les vulnérabilités des grands modèles de langage.

Apprends comment le désapprentissage ciblé protège la vie privée en permettant aux modèles d'oublier des infos spécifiques.

Une nouvelle méthode pour vérifier l'oubli machine de manière efficace et sécurisée.

Cet article parle de l'effacement de caractéristiques et de son impact sur la vie privée et l'équité dans l'apprentissage automatique.