Derniers articles pour Sécurité en ligne

Examiner comment l'évolution du langage influence les modèles de détection des abus en ligne.

Un nouveau cadre améliore la détection des langages nuisibles en ligne grâce à un apprentissage continu.

Un aperçu de la sensibilisation des utilisateurs et de leurs expériences avec les technologies de sécurité sur les réseaux sociaux.

Les images générées par l'IA alimentent la montée des comptes de médias sociaux trompeurs.

Les tactiques de phishing évoluent avec l'IA, ce qui pose de nouveaux risques pour les organisations.

Explorer les défis et les stratégies pour modérer les discours de haine en ligne.

Un aperçu de la tromperie en ligne et comment la détecter efficacement.

Examiner les défis auxquels les jeunes LGBTQ+ font face sur les plateformes de médias sociaux.

Une nouvelle méthode améliore la détection de contenu haineux dans les mèmes.

Un nouveau cadre améliore la détection de la haine en générant des cas de test réalistes.

Examiner le rôle de la modération de contenu dans les communautés de santé mentale en ligne.

Examiner comment les utilisateurs perçoivent l'équité dans les décisions de modération sur les plateformes.

Cet article parle de comment les modèles linguistiques aident à identifier les discours de haine.

Une étude sur l'impact et l'identification des mèmes haineux en bengali.

Cette étude s'attaque aux attaques intentionnelles des utilisateurs sur le langage offensant dans les réseaux sociaux coréens.

De nouvelles méthodes d'évaluation visent à améliorer la détection de contenus nuisibles en ligne.

Cet article explore comment les utilisateurs perçoivent les sites de phishing adversarial et des moyens d'améliorer la détection.

Améliorer les outils pour détecter le langage nuisible dans les espaces en ligne est super important pour la sécurité.

SGHateCheck se concentre sur les langues locales pour lutter efficacement contre les discours de haine en ligne.

Un nouveau cadre qui protège les identités en ligne tout en gardant la clarté des messages.

De nouvelles recherches révèlent des lacunes dans la détection des domaines temporaires utilisés pour les abus en ligne.

Examiner l'impact et la diffusion des informations malveillantes sur les plateformes sociales.

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

Des recherches montrent que les locuteurs amhariques sont exposés à du contenu nuisible sur YouTube.

Une nouvelle approche utilisant des agents conversationnels pour des discussions plus sûres sur WhatsApp.

Un nouveau cadre améliore la détection de langage nuisible dans les espaces en ligne.

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

Les LLM aident les évaluateurs humains à identifier efficacement le contenu nuisible en ligne.

LionGuard améliore la sécurité du contenu en se concentrant sur le contexte linguistique unique de Singapour.

S'attaquer aux défis de l'E2EE et des méthodes de récupération de compte.

Cet article présente Demarcation pour s'attaquer efficacement aux discours abusifs en ligne.

Un nouveau jeu de données vise à améliorer la détection des discours haineux en Indonésie.

Une étude évaluant la qualité des jeux de données pour identifier les discours de haine en ligne.

Une nouvelle méthode améliore l'identification des discours de haine sur les réseaux sociaux arabes.

Une nouvelle méthode favorise l'équité dans l'identification du langage toxique ciblé à travers les groupes démographiques.

Un nouveau modèle améliore la devinette de mots de passe et l'évaluation de leur force.

Apprends à détecter et prévenir les attaques par force brute grâce à des scénarios d'entraînement pratiques.

Une étude sur l'efficacité des systèmes et des ensembles de données de détection de langage offensant.

PhishLang propose une détection améliorée des sites de phishing grâce à des techniques d'analyse avancées.

Un nouveau système cible efficacement les discours de haine dans les mèmes.