Informatica - Crittografia e sicurezza

Un metodo che combina SGD e tecniche di privacy per un'analisi dei dati efficace.

Esaminando strategie per combattere il dark pooling negli spazi pubblicitari digitali.

Esaminando il difetto Rowhammer e le sue implicazioni per la sicurezza dei dati.

NutNet migliora i sistemi di rilevamento degli oggetti identificando efficacemente i patch avversari.

Scopri come il calcolo quantistico privato può proteggere i dati sensibili durante calcoli complessi.

Investigando le vulnerabilità di sicurezza nel Memory Tagging Extension e negli attacchi di esecuzione speculativa.

Esaminando i rischi per la sicurezza e le soluzioni per le nuove tecnologie di assistenti AI.

Un metodo nuovo per creare immagini a partire da testo usando modelli specializzati.

Questa ricerca esplora metodi per imparare circuiti quantistici superficiali nonostante il rumore.

Un nuovo metodo di watermarking aiuta a identificare i dati tabulari sintetici.

Uno sguardo a come la propaganda si diffonde su Telegram durante i conflitti.

La competizione svela vulnerabilità e difese nella sicurezza dei modelli di linguaggio.

Un nuovo framework per analizzare flussi di dati garantendo la privacy degli utenti.

Esplorare le minacce alla privacy nell'elaborazione delle immagini usando modelli di diffusione e gradienti trapelati.

Analizzando la privacy dei dati attraverso l'inferenza bayesiana con vincoli.

Esplorando metodi per proteggere le immagini personali dall'uso improprio dell'IA.

Questo articolo parla di un nuovo metodo per migliorare la robustezza contro gli attacchi avversari nella classificazione delle immagini.

Esaminando i rischi di sicurezza nelle reti mmWave che utilizzano il trasferimento simultaneo di informazioni wireless e potenza.

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.