Artigos mais recentes para Ataque de porta dos fundos

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.

Analisando as vulnerabilidades e possíveis ataques na tecnologia NeRF.

Este artigo analisa ataques de backdoor e suas implicações na segurança de machine learning.

Este estudo analisa a eficácia de ataques físicos de porta dos fundos com rótulo limpo em redes neurais profundas.

Esse artigo discute um método pra introduzir backdoors em redes neurais durante o treinamento.

Uma olhada nas fraquezas dos LLMs e estratégias pra melhorar.

Analisando como pistas emocionais podem sabotar a tecnologia de identificação de falantes.

Analisando vulnerabilidades e defesas em modelos de difusão para geração de conteúdo seguro.

Novos métodos expõem vulnerabilidades em modelos médicos através de ataques por porta dos fundos.

Esse estudo investiga a vulnerabilidade dos modelos VSS a ataques de backdoor.

Uma nova abordagem melhora a eficácia dos ataques de backdoor em modelos de NLP.

Esse artigo fala sobre um jeito de manipular redes neurais sem gatilhos.

EmoAttack usa conversão de voz emocional pra explorar falhas em sistemas de fala.

Investigando ataques por backdoor e os riscos que eles trazem para sistemas de detecção de objetos.

NoiseAttack altera várias classes em ataques de backdoor usando padrões de ruído sutis.

Aprenda como gatilhos ocultos podem manipular modelos de linguagem e representar riscos sérios.

Analisando como pontos de dados importantes atraem mais riscos de segurança em machine learning.

Estudo revela vulnerabilidades em modelos de IA por causa de ataques de backdoor.

Explorando vulnerabilidades de sistemas multiagente cooperativos a ataques de backdoor.