Informatica - Crittografia e sicurezza

Questo articolo esplora le implicazioni sulla privacy della regressione del processo gaussiano nel machine learning.

FairDP offre una soluzione per garantire la privacy e l'equità nei sistemi di machine learning.

Un nuovo modello migliora il rilevamento delle minacce informatiche negli ambienti cloud.

Un nuovo metodo migliora l'anonimato nelle firme ad anello per una sicurezza migliore.

Esaminando il ruolo delle tecniche FPGA nel migliorare la sicurezza hardware.

Esplorando il potenziale della crittografia basata su reticoli contro le minacce del calcolo quantistico.

vFedSec offre formazione sicura ed efficiente per modelli di apprendimento automatico in contesti federati.

Un nuovo modello migliora l'accuratezza nella rilevazione delle vulnerabilità usando tecniche di deep learning.

Raggiungere l'interoperabilità tra le CBDC per migliorare le transazioni e la fiducia nel sistema finanziario.

Esplorare strumenti per valutare meglio le prove nelle indagini sui crimini legati alle criptovalute.

La ricerca svela l'impatto dei miner egoisti sull'efficienza della blockchain DAG.

Un nuovo metodo per messaggi sicuri senza rivelare le identità di mittente o destinatario.

Esaminando la fiducia e l'etica attorno al protestware nel software open source.

Questo documento analizza i pericoli di fare affidamento su dati generati per l'addestramento dei modelli linguistici.

Un nuovo protocollo per proteggere la privacy degli utenti nel slicing delle reti 5G.

PPA-AFL migliora la privacy dei dati nell'apprendimento automatico collaborativo tra i dispositivi.

Esaminando la distribuzione del potere di voto nei framework di governance di Compound e Uniswap.

Un metodo per un uso sicuro ed efficiente dei LLM mantenendo la privacy degli utenti.

Esaminando come i classificatori selettivi preservano la privacy e l'accuratezza delle previsioni.

L'apprendimento incrementale migliora il machine learning ma affronta seri minacce dagli attacchi backdoor.

Esaminare l'interazione tra i metodi di comunicazione e la privacy negli spazi virtuali.

Questo studio esplora come gli operatori di rete si sono adattati durante il conflitto tra Russia e Ucraina.

Uno sguardo a come la privacy differenziale protegge le informazioni individuali nell'analisi dei dati.

Uno sguardo all'ottimizzazione convessa differenzialmente privata per la protezione dei dati nel machine learning.

UMD offre un nuovo modo per identificare efficacemente attacchi backdoor complessi.

Un nuovo framework migliora la valutazione dei modelli NLP contro attacchi avversari.

Uno studio sull'efficacia degli attacchi nei quartieri nel rivelare i dati di addestramento.

Uno sguardo alle tecniche per identificare i watermark nei testi generati dall'AI.

RowHammer minaccia l'integrità dei dati nei sistemi di memoria ad alta larghezza di banda.

Questa tecnica migliora la generazione dei casi di test per le applicazioni di deep learning.

Scopri come il watermarking reversibile protegge le reti neurali profonde dagli abusi.

Un nuovo framework migliora il rilevamento dei percorsi di attacco informatico.

Esaminare l'efficacia e le sfide dei dataset non apprendibili nella protezione delle informazioni private.

L'apprendimento federato migliora l'addestramento dei modelli mantenendo i dati degli utenti privati.

T800 offre una soluzione di sicurezza efficiente per i dispositivi IoT vulnerabili.

Un nuovo metodo garantisce la privacy nella classificazione del linguaggio senza compromettere le prestazioni.

Un nuovo metodo migliora il rilevamento del ransomware con più test per una maggiore precisione.

Questo documento presenta un modello formale per calcoli sicuri nel linguaggio C.

Uno sguardo ai rischi e alle vulnerabilità della sicurezza tramite impronte digitali sugli smartphone.

Un nuovo metodo che utilizza grafi per identificare attacchi avversariali sulle reti neurali.