Informatica - Crittografia e sicurezza

La ricerca mostra delle lacune nel modo in cui i modelli di tavola vengono testati e valutati.

Un nuovo framework garantisce che le risposte dei dati sintetici siano affidabili per la ricerca.

Un framework per garantire la privacy degli utenti nei GNN mantenendo l'accuratezza.

Un metodo chiamato HINT protegge l'apprendimento automatico dagli attacchi di dati dannosi.

Presentiamo XFedHunter per rilevamento e analisi avanzati degli attacchi APT nelle reti.

VulnSense usa metodi avanzati per rilevare vulnerabilità nei contratti smart di Ethereum.

Esaminando l'efficacia di NTRU e l'impatto dei gruppi diedrali sulla sicurezza crittografica.

Uno sguardo alle sfide nell'Apprendimento Federato dagli attacchi di ricostruzione dei dati.

Un metodo che permette l'apprendimento automatico su dati criptati per proteggere la privacy degli utenti.

Un framework per migliorare la privacy nei sistemi di raccomandazione mantenendo suggerimenti precisi.

Uno studio per capire qual è l'opzione migliore mantenendo la privacy dei dati.

Questo metodo migliora le raccomandazioni proteggendo la privacy dei dati degli utenti.

Presentiamo un framework per una migliore isolazione delle applicazioni e condivisione delle risorse.

Esplorare metodi di privacy differenziale per ottenere insights sicuri sui dati.

Uno studio su come imparare misture gaussiane proteggendo la privacy dei dati individuali.

Nuovi modelli migliorano l'identificazione degli schemi Ponzi nelle criptovalute.

Un nuovo metodo per migliorare la sicurezza del bus CAN usando Reti Neurali Convoluzionali su Grafi.

Questo articolo parla di tecniche per analizzare aree specifiche all'interno dei circuiti integrati.

Scopri i rischi di usare plugin sulle piattaforme LLM.

Nuovo framework migliora le prestazioni dell'elaborazione dei dati crittografati usando le GPU.

Scopri come le honeywords possono migliorare la sicurezza delle password e proteggere gli account degli utenti.

Un nuovo modello per le stablecoin punta a migliorare l'affidabilità e a incoraggiare gli investimenti.

Gli attacchi acustici minacciano la sicurezza dei dati catturando il suono delle tastiere.

Migliorare la sicurezza dei modelli di machine learning contro gli attacchi avversari attraverso la robustezza certificata.

Introducendo un protocollo per la previsione di collegamenti che preserva la privacy in grafi distribuiti.

La ricerca svela vulnerabilità nei modelli di machine learning attraverso la manipolazione mirata dell'incertezza.

Esplorando come gli attaccanti sfruttano i modelli di linguaggio grandi per estrarre conoscenze.

Un nuovo metodo protegge i dati sensibili durante l'addestramento dei modelli di machine learning.

Scopri come i criminali informatici ingannano gli utenti per farsi rivelare informazioni sensibili.

La ricerca unisce modelli linguistici e di diffusione per migliorare le difese contro gli attacchi avversari.

Esaminare come gli utenti affrontano le preoccupazioni sulla privacy con agenti conversazionali basati su LLM.

Quest'articolo esamina come Google Bard risponde agli attacchi alle immagini avversariali.

Un nuovo approccio al watermarking protegge i modelli 3D da usi non autorizzati.

Scopri come la compartmentalizzazione migliora la sicurezza del software limitando accesso e interazione.

I contratti pigri abbassano i costi del gas garantendo una gestione equa dei contratti smart.

Introducendo un metodo per la vera casualità nei sistemi decentralizzati usando la teoria dei giochi.

Esplorare il bisogno di sicurezza e fiducia nei sistemi di intelligenza artificiale.

Fed-LSAE potenzia la sicurezza nel federated learning e contrasta gli attacchi di avvelenamento.

Un nuovo strumento per analizzare i dati in sicurezza senza mettere a rischio la privacy degli utenti.

Presentiamo DEAL, un modo semplice per mantenere sicuri i computer condivisi.