Artigos mais recentes para Ataque de porta dos fundos

Um novo método ajuda a identificar vulnerabilidades escondidas em modelos biométricos.

Uma nova abordagem pra encontrar amostras de backdoor sem precisar de dados limpos.

Um estudo revela novas técnicas para ataques de backdoor em modelos de linguagem com impacto mínimo.

Apresentando o TABDet, um novo método pra detectar ataques de backdoor em tarefas de NLP.

Pesquisa revela riscos de segurança significativos em modelos de chat por causa de ataques de backdoor.

Pesquisas mostram as vulnerabilidades dos sistemas MNMT a ataques de backdoor.

Uma nova abordagem pra proteger modelos de linguagem de dados prejudiciais.

Explorando os desafios de segurança trazidos pelo aprendizado autossupervisionado e ataques backdoor sem rótulo.

Analisando ameaças e defesas em aprendizado federado contra ataques maliciosos.

Uma olhada em ataques de backdoor focados dentro de sistemas de aprendizado de máquina federados.

BadFusion usa dados da câmera pra lançar ataques de backdoor em sistemas de direção autônoma.

Este artigo apresenta o EFRAP, uma defesa contra ataques de backdoor condicionados à quantização em modelos de aprendizado profundo.

Pesquisa sobre como agentes prejudiciais podem corromper agentes bons em RL descentralizada.

Uma abordagem eficiente em termos de recursos para ataques de backdoor em modelos avançados de aprendizado de máquina.

Novo método reduz ameaças de backdoor em redes neurais profundas.

Este artigo analisa os riscos de segurança de ataques por backdoor em aprendizado de máquina em sistemas de grafos.

Novos métodos combatem ataques de backdoor em modelos de machine learning pra aumentar a segurança.

A gente propõe um método pra criar gatilhos de backdoor invisíveis em modelos de difusão.

Descobrindo os riscos que os ataques de backdoor trazem para sistemas inteligentes.

Novos métodos como o PromptFix ajudam a proteger modelos de linguagem de ameaças ocultas.

Apresentando um método pra avaliar a resiliência de modelos contra ataques de envenenamento de dados.

Explorando vulnerabilidades no Aprendizado Federado Personalizado e novas formas de ataque por backdoor.

Novo método foca em mudanças de ritmo para ataques de fala discretos.

Este artigo explora o impacto da contaminação de dados no alinhamento de modelos de linguagem.

Aprenda como ataques de backdoor ameaçam sistemas de aprendizado de máquina e métodos para se defender deles.

Uma nova estratégia de defesa para LLMs contra ataques de backdoor.

Um novo método enfrenta ameaças escondidas em grandes modelos de linguagem.

Examinando riscos e defesas contra ataques de backdoor em modelos de IA.

Explorando ataques de backdoor e métodos de redução de grafo em GNNs.

Venomancer é um ataque sorrateiro de backdoor em sistemas de aprendizado federado.

Um novo método de defesa pra aumentar a segurança em modelos de difusão de texto pra imagem.

As preocupações aumentam sobre ataques por trás das cortinas em modelos de linguagem, afetando a segurança e a confiabilidade.

Analisando vulnerabilidades em modelos de linguagem clínica e como isso afeta a segurança dos pacientes.

Novos métodos têm como objetivo proteger modelos de aprendizado de máquina contra ameaças de backdoor.

Novos modelos ajudam os desenvolvedores, mas ataques de backdoor representam sérios riscos de segurança.

Uma nova abordagem pra aumentar a segurança no aprendizado federado contra ataques de backdoor.

Um novo método melhora a segurança dos modelos de aprendizado profundo contra ameaças ocultas.

Um novo método tem como objetivo proteger o aprendizado semi-supervisionado contra ameaças de backdoor.

Esse artigo fala sobre como proteger GNNs de envenenamento de dados e ataques de backdoor.

Analisando técnicas eficazes de ataque backdoor com rótulo limpo em aprendizado de máquina.