Informatica - Crittografia e sicurezza

Un nuovo metodo combina il Federated Learning e l'Adversarial Training per la rilevazione delle minacce interne.

Una nuova piattaforma guidata dall'IA punta a migliorare la sicurezza nella sanità.

Questo articolo parla di metodi di dati incentrati sulla privacy usando l'apprendimento federato e l'hashing di trasferimento profondo.

Le aziende affrontano minacce alla privacy nascoste nell'apprendimento federato a causa dei cambiamenti nella distribuzione dei dati.

Esaminare attacchi efficienti sulla Classificazione Automatica di Modulazione usando il Rapporto Aureo.

I contratti proxy in Ethereum offrono vantaggi ma presentano anche seri problemi di sicurezza.

Questo articolo esamina un nuovo approccio per garantire la crittografia a chiave pubblica.

Combinare il Federated Learning e la tecnologia quantistica promette una gestione dei dati più sicura nell'IA.

Gli strumenti AI stanno cambiando il modo in cui i programmatori lavorano e migliorando il processo di sviluppo software.

Un nuovo approccio per classificare il malware in modo efficiente usando meno campioni etichettati.

Uno sguardo alle preoccupazioni sulla privacy nei sistemi di apprendimento centralizzati e decentralizzati.

Esaminare le sfide di privacy legate all'Apprendimento Federato e agli attacchi di inversione del gradiente.

MEGA-PT migliora l'efficacia e l'adattabilità dei test di penetrazione per una migliore cybersecurity.

Questo approccio migliora l'efficienza nell'addestramento dei modelli su grandi dati di grafi, proteggendo al contempo la privacy.

La ricerca svela metodi di miscelazione più veloci in circuiti reversibili casuali per una crittografia migliore.

Uno studio rivela l'aumento dell'attività di cybercrime nei canali Telegram.

Combinare blockchain e IPFS offre una soluzione sicura ed efficiente per il controllo delle versioni.

RPKI rafforza il routing di Internet verificando l'autenticità dei dati.

Questo lavoro presenta nuovi metodi per rilevare malware usando visualizzazione e machine learning.

Un nuovo metodo per proteggere i diritti individuali dall'uso improprio delle immagini nelle animazioni.

Esaminare le vulnerabilità del firmware e gli strumenti per migliorare la sicurezza.

Esplorando il ruolo della Comunicazione Semantica e della sicurezza nelle reti di nuova generazione.

Questo articolo esamina il ruolo del browser fingerprinting nella pubblicità online e le preoccupazioni per la privacy.

Uno sguardo alle questioni di privacy dei dati in Android Automotive OS.

Un nuovo allocatore di memoria migliora la sicurezza contro gli attacchi Rowhammer senza compromettere le prestazioni.

Affrontare i rischi di sicurezza nell'AI generativa attraverso il red e blue teaming.

Un nuovo approccio per garantire la trasmissione sicura di messaggi brevi usando tecniche di deep learning.

Un metodo semplice per rilevare telecamere nascoste usando dispositivi economici.

Valutare l'efficacia dei LLM per l'analisi delle minacce.

PrivaMatch garantisce la privacy mentre confronta il DNA nelle indagini criminali.

Nuovi metodi migliorano la sicurezza degli attuatori nei Sistemi Cibernetico-Fisici per prevenire attacchi.

La ricerca mette in evidenza i rischi dei sensori di movimento degli smartphone, sottolineando le preoccupazioni per la privacy.

Analizzando le connessioni tra CAPEC e ATT&CK per migliorare le valutazioni del rischio.

Esplora le preoccupazioni sulla privacy legate agli attacchi di inferenza sull'appartenenza nell'apprendimento automatico.

Questo articolo esplora le minacce degli attacchi di avvelenamento sui sistemi di database.

Esaminare il ruolo fondamentale della governance nella sicurezza e nell'efficacia della DLT.

Valutare le prestazioni dell'IA usando l'analisi di sopravvivenza per l'affidabilità contro le sfide.

Un nuovo metodo protegge la privacy mentre si trovano i valori massimi nelle reti distribuite.

La crittografia selettiva migliora la privacy mantenendo le performance del modello nell'apprendimento collaborativo.

Introducendo un framework per il training sicuro dei modelli di machine learning.