Informática - Criptografia e segurança

Esse artigo explora as implicações de privacidade da Regressão por Processos Gaussianos em aprendizado de máquina.

FairDP oferece uma solução pra garantir privacidade e justiça em sistemas de aprendizado de máquina.

Um novo modelo melhora a detecção de ameaças cibernéticas em ambientes de nuvem.

Um novo método melhora a anonimidade em assinaturas em anel para uma segurança melhor.

Analisando o papel das técnicas de FPGA em melhorar a segurança de hardware.

Explorando o potencial da criptografia baseada em rede contra as ameaças da computação quântica.

vFedSec oferece um treinamento seguro e eficiente para modelos de machine learning em ambientes federados.

Um novo modelo melhora a precisão da detecção de vulnerabilidades usando técnicas de aprendizado profundo.

Alcançando a interoperabilidade entre as CBDCs pra melhorar as transações e a confiança no sistema financeiro.

Explorando ferramentas para avaliar melhor as evidências em investigações de crimes com criptomoedas.

Pesquisas mostram como mineradores egoístas afetam a eficiência do blockchain DAG.

Uma nova abordagem para mensagens seguras sem revelar a identidade do remetente ou do destinatário.

Analisando a confiança e a ética em torno do protestware no software de código aberto.

Este artigo analisa os perigos de confiar em dados gerados para o treinamento de modelos de linguagem.

Um novo protocolo pra proteger a privacidade do usuário em fatiamento de rede 5G.

O PPA-AFL melhora a privacidade dos dados no aprendizado de máquina colaborativo entre dispositivos.

Examinando a distribuição do poder de voto nas estruturas de governança do Compound e do Uniswap.

Um método para usar LLMs de forma segura e eficiente, protegendo a privacidade do usuário.

Analisando como classificadores seletivos preservam a privacidade e a precisão das previsões.

O aprendizado incremental melhora o aprendizado de máquina, mas enfrenta ameaças sérias de ataques backdoor.

Analisando a interação entre métodos de comunicação e privacidade em espaços virtuais.

Este estudo explora como os operadores de rede se adaptaram durante o conflito Rússia-Ucrânia.

Um olhar sobre como a privacidade diferencial protege as informações individuais na análise de dados.

Um olhar sobre otimização convexa diferencialmente privada para proteção de dados em aprendizado de máquina.

A UMD oferece uma nova forma de identificar ataques backdoor complexos de maneira eficaz.

Uma nova estrutura melhora a avaliação de modelos de PLN contra ataques adversariais.

Um estudo sobre a eficácia de ataques de vizinhança em revelar dados de treinamento.

Um olhar sobre técnicas para identificar marcas d'água em textos gerados por IA.

RowHammer ameaça a integridade dos dados em sistemas de memória de alta largura de banda.

Essa técnica melhora a geração de casos de teste para aplicações de aprendizado profundo.

Aprenda como a marca d'água reversível protege redes neurais profundas contra o uso indevido.

Um novo framework melhora a detecção de caminhos de ataques cibernéticos.

Analisando a eficácia e os desafios dos conjuntos de dados não aprendíveis na proteção de informações privadas.

O aprendizado federado melhora o treinamento de modelos enquanto mantém os dados dos usuários privados.

O T800 oferece uma solução de segurança eficiente para dispositivos IoT vulneráveis.

Um novo método garante privacidade na classificação de fala sem perder desempenho.

Um novo método melhora a detecção de ransomware usando vários testes pra ter mais precisão.

Este artigo apresenta um modelo formal para computações seguras na linguagem C.

Uma olhada nos riscos e vulnerabilidades da segurança por impressão digital em smartphones.

Um novo método que usa gráficos pra identificar ataques adversariais em redes neurais.