Artigos mais recentes para Integridade de Dados

A pesquisa desenvolve métodos para verificar a integridade dos dados através de testes de concordância.

Aprenda como novas técnicas melhoram a verificação e a descoberta de restrições de negação.

Um estudo sobre alocação de recursos contra ataques furtivos em sistemas interconectados.

Analisando os efeitos da duplicação de código entre conjuntos de dados nas métricas de desempenho do modelo.

Aprenda métodos pra testar se os dados faltantes são aleatórios usando matrizes de covariância.

O TransTroj melhora ataques de backdoor, aumentando a eficácia e a resistência à detecção.

Aprenda como a atestação remota garante a confiança do sistema e evita a adulteração de provas.

Este estudo avalia métodos tradicionais e baseados em árvore para lidar com dados faltantes.

A contaminação de dados ameaça a integridade dos sistemas de aprendizado em contexto, revelando vulnerabilidades escondidas.

A contaminação de dados em modelos de linguagem gera sérios problemas de confiança para as avaliações.

Investigando riscos de segurança e métodos de detecção para modelos de difusão.

Analisando os riscos de contaminação de dados em modelos de linguagem de código fechado.

Explorando métodos melhores para correção de erros em computação quântica.

Backdoors arquitetônicos representam riscos sérios de segurança em redes neurais, muitas vezes ficando indetectáveis.

Uma olhada em como a resiliência de bancos de dados impacta a gestão de dados e o processamento de consultas.

Esse artigo fala sobre problemas com marca d'água em IA e sugere melhorias para a segurança.

Uma nova abordagem reduz os riscos do RowHammer em DRAM com custos baixos.

Esse artigo fala sobre a perturbação de leitura em DRAM e apresenta uma nova solução.

Um novo método melhora a limpeza de dados enquanto mantém a justiça nos modelos de aprendizado de máquina.

ImgTrojan manipula VLMs usando dados de treino enganosos.

Novos métodos melhoram a marca d'água em modelos de linguagem grandes enquanto mantêm a qualidade do texto.

Descubra os últimos avanços na correção de erros para tecnologias modernas de memória.

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

Melhorar a transparência é vital para pesquisas científicas credíveis e resultados confiáveis.

O FastFlip ajuda os desenvolvedores a encontrarem e analisarem erros de software rapidinho.

Um novo método pra proteger modelos de aprendizado de máquina de ataques de dados maliciosos.

Um sistema que combina impressão digital de dispositivos e marca d'água para imagens médicas seguras.

Esse artigo apresenta um teste de manipulação pra entender os efeitos do tratamento em cenários complexos.

Um novo método pra confirmar a integridade do SQL baseado em regras OCL.

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

Explorando o papel do código Bacon-Shor em melhorar a correção de erros quânticos.

Uma ferramenta simplifica a evolução do esquema do banco de dados enquanto garante a integridade.

Uma nova ferramenta pretende identificar estudos problemáticos na pesquisa em saúde.

Apresentando uma estrutura para testes estatísticos resistentes contra outliers e instrumentos fracos em pesquisas.

Métodos para lidar com outliers de forma eficaz na análise de dados.

DeepJSCC melhora a qualidade da imagem em redes de retransmissão, integrando transmissão com aprendizado profundo.

Descubra uma forma mais eficaz de lidar com dados faltantes na pesquisa.

A autenticação quântica oferece um jeito seguro de verificar dados usando mecânica quântica.

Saiba mais sobre códigos localmente corrigíveis e seu impacto na correção de erros.

Este estudo desenvolve algoritmos pra aumentar a resistência de sistemas distribuídos a dispositivos com defeito.