Derniers articles pour Cybersécurité

Un aperçu de la fiabilité et des vulnérabilités des PUFs dans les appareils IoT.

Une nouvelle approche améliore la sécurité des réseaux de neurones contre les exemples adverses.

Une étude révèle l'attaque WordGame, qui profite des faiblesses des mesures de sécurité des LLM.

Une grosse vulnérabilité dans XMPU expose des données sensibles après la fin du processus.

Vise à une gestion efficace de l'énergie grâce aux réseaux intelligents et aux nouvelles technologies.

Cette étude examine les faiblesses des modèles SER face aux attaques adversariales dans différentes langues.

Un cadre pour améliorer la gestion des mises à jour de firmware pour les onduleurs intelligents.

Une méthode pour sécuriser les réseaux de neurones contre les vulnérabilités en mémoire.

Présentation d'une nouvelle façon d'évaluer les risques de confidentialité dans les modèles d'apprentissage automatique.

Explorer des systèmes automatisés pour une enquête efficace sur les cybermenaces et les violations.

L'authentification quantique offre une méthode sécurisée pour vérifier des données en utilisant la mécanique quantique.

Cet article parle de l'importance et des stratégies pour sécuriser les chaînes d'approvisionnement en logiciels.

WPS peut aider les services de localisation mais menace sérieusement la vie privée des utilisateurs.

Améliorer la robustesse des algorithmes de machine learning face aux exemples adverses est super important pour des applis sécurisées.

Une étude présente RepNoise pour protéger les grands modèles de langage contre le fine-tuning nuisible.

Améliorer l'apprentissage distribué grâce à des techniques de clipping robuste et adaptatif.

Une étude sur l'amélioration de la robustesse contre les attaques dans les modèles de langage.

Un nouveau cadre améliore l'efficacité des tests de pénétration automatisés en utilisant l'apprentissage par renforcement.

Explorer le rôle de l'IA dans la correction des vulnérabilités logicielles.

Examiner les risques auxquels font face les TEE à cause des méthodes d'attaque qui évoluent.

Examiner l'impact des nudges sur le comportement de changement de mot de passe après des fuites de données.

Explorer l'impact de l'IA sur l'efficacité, la vie privée et la sécurité dans les systèmes vitaux.

Recherche sur la façon dont des agents nuisibles peuvent corrompre de bons agents dans l'apprentissage par renforcement décentralisé.

Cet article examine comment les attaques affectent la sécurité des LLM et la génération de réponses.

NCS permet de générer des exemples adversaires de manière efficace tout en réduisant les coûts de calcul.

Un clip audio universel peut couper des modèles ASR avancés comme Whisper.

Une nouvelle méthode améliore les attaques de jailbreak sur des modèles d'IA avancés en utilisant le jeu de rôle de personnages.

Une approche économe en ressources pour les attaques par porte dérobée sur des modèles d'apprentissage automatique avancés.

Étude sur l'amélioration de la sécurité et de l'efficacité dans la communication quantique.

De nouvelles méthodes dans le cryptage basé sur le code améliorent efficacement la protection des données.

Explorer de nouvelles façons d'assurer la vie privée dans les communications sans fil.

Une nouvelle méthode réduit les menaces de porte dérobée dans les réseaux de neurones profonds.

Explore le rôle essentiel du contrôle d'accès dans l'informatique en périphérie.

Explore comment les joueurs utilisent la tromperie dans des scénarios compétitifs.

Examiner les défis de sécurité et les solutions pour le RIC dans les réseaux Open RAN.

Cette étude améliore la sécurité de l'apprentissage automatique quantique contre les attaques adversariales grâce à des canaux de bruit et des méthodes de confidentialité.

Cet article examine les vulnérabilités des modèles de discours et les moyens d'améliorer leur sécurité.

Présentation d'une méthode pratique pour un échange de clés sécurisé entre utilisateurs classiques.

Examiner les dangers des modèles de langage quantifiés et leur potentiel de mauvaise utilisation.

Fast-FedUL propose des méthodes rapides pour supprimer des données en apprentissage fédéré tout en garantissant la vie privée.