Informatica - Crittografia e sicurezza

Uno studio su come migliorare le tecniche di estrazione dei modelli per la sicurezza del deep learning.

Un nuovo modo per migliorare le velocità di elaborazione della crittografia omomorfica.

Questo documento presenta un framework per valutare le vulnerabilità nei grandi modelli di linguaggio.

Scopri come il target unlearning protegge la privacy permettendo ai modelli di dimenticare informazioni specifiche.

Un nuovo metodo per verificare l'unlearning delle macchine in modo efficace e sicuro.

Questo articolo parla di feature unlearning e del suo impatto sulla privacy e sull'equità nel machine learning.

Questo articolo esplora l'impatto del data poisoning sulla sintonizzazione dei modelli linguistici.

Gli artisti affrontano rischi mentre le nuove tecnologie imitano i loro stili unici.

P3GNN migliora il rilevamento APT proteggendo la privacy dei dati nelle reti SDN.

Unire i metodi di clustering tradizionali con protezioni per la privacy usando la privacy differenziale.

Scopri come gli attacchi backdoor minacciano i sistemi di apprendimento automatico e i metodi per difendersi da essi.

Un metodo per mantenere la privacy mentre si condividono statistiche sul traffico urbano.

Nuovi metodi migliorano le previsioni concentrandosi sulla funzionalità del codice invece che sui nomi delle variabili.

Un framework per migliorare il rilevamento degli APT proteggendo la privacy.

LDMeta migliora la privacy e l'efficienza nei metodi di apprendimento distribuito.

Lo studio esamina come le pubblicità degli influencer influenzano le percezioni sui VPN e le credenze sulla sicurezza online.

Esplorare le sfide di sicurezza create dagli attacchi avversariali sugli agenti multimodali.

I LLM aiutano i valutatori umani a identificare in modo efficace i contenuti dannosi online.

Questo documento esamina i rischi e i problemi di manutenzione con le estensioni di Chrome.

Nuove ricerche rivelano sistemi di prova efficienti in ambienti di stoccaggio quantistico limitato.

Un metodo per migliorare la privacy dei dati nell'apprendimento federato rimuovendo influenze specifiche dei dati.

Affrontare le preoccupazioni sulla sicurezza del codice prodotto da grandi modelli di linguaggio.

Una nuova strategia di difesa per i LLM contro gli attacchi backdoor.

Un nuovo metodo per proteggere i dataset da un uso non autorizzato nei modelli generativi.

Questo articolo esplora come la privacy differenziale protegge i dati ECG nella sanità.

Uno studio sui sistemi di rilevamento delle intrusioni per identificare attacchi di mascheramento nelle reti veicolari.

Esplora l'evoluzione e le sfide del Maximal Extractable Value nel DeFi.

Un nuovo approccio leggero per migliorare la condivisione delle minacce informatiche tra i dispositivi IoT.

Un nuovo set di dati punta a migliorare la sicurezza dei modelli di testo in immagine contro contenuti dannosi.

Un nuovo metodo riduce i rischi per la privacy nelle applicazioni di generazione aumentata da recupero.

Esaminando la sicurezza e le sfide del QPKE in un mondo di computer quantistici.

SeCTIS permette di condividere in modo sicuro le informazioni sulle minacce informatiche mantenendo la privacy e la qualità dei dati.

Esplorare tecnologie per la privacy nell'analisi delle immagini mediche.

Uno studio su come i modelli linguistici possono ignorare le istruzioni e le loro implicazioni.

Un nuovo protocollo combina il trasporto e la crittografia per un trasferimento di dati sicuro ed efficiente.

QuADTool semplifica la valutazione dei rischi attraverso gli alberi attacco-difesa.

Nuove tecniche migliorano la privacy e la sicurezza nelle query e nelle transazioni del database.

Valutare l'efficacia del Cyber Essentials contro le minacce informatiche in evoluzione.

La direzionalità influisce sulla sicurezza delle immagini, impattando la steganalisi e l'identificazione forense.

Uno studio sull'efficacia dei rilevatori OOD contro esempi avversari.