Artigos mais recentes para Segurança de Dados

Novos métodos melhoram o treinamento de modelos enquanto protegem a privacidade dos dados dos usuários.

Este estudo analisa o uso de sistemas PIM pra melhorar o desempenho da criptografia homomórfica.

Cientistas conectam partículas emaranhadas a mais de 101 quilômetros, ampliando os limites das redes quânticas.

O treinamento adversarial melhora a resistência dos modelos de machine learning à manipulação de entradas.

Um novo método combina TEEs e circuitos embaralhados pra melhorar o desempenho em tarefas na nuvem.

Um método chamado HINT protege o aprendizado de máquina de ataques de dados prejudiciais.

Um olhar sobre os desafios e soluções da gestão de Big Data.

Testando a força dos sistemas NER usando exemplos adversariais que levam em conta o contexto.

JCAS mistura comunicação e radar pra melhorar o desempenho da rede móvel.

Novo framework melhora o desempenho do processamento de dados criptografados usando GPUs.

Melhorando a segurança de modelos de aprendizado de máquina contra ataques adversariais através de robustez certificada.

Um método pra criar registros auditáveis e confiáveis em sistemas distribuídos.

Pesquisas mostram vulnerabilidades em modelos de aprendizado de máquina por meio de manipulação direcionada de incertezas.

A pesquisa junta modelos de linguagem e de difusão pra melhorar as defesas contra ataques adversariais.

Um novo método detecta quedas enquanto protege os dados dos usuários.

Analisando como os usuários lidam com preocupações de privacidade em agentes de conversa baseados em LLM.

Explorando o potencial da tecnologia quântica para melhorar a segurança e o consenso do blockchain.

Novos circuitos híbridos melhoram a transmissão segura de dados usando pares de fótons emaranhados.

Uma olhada nas melhorias de desempenho do QUIC em relação aos protocolos tradicionais.

A AgEncID oferece um novo método para proteger dados de FPGA em ambientes de nuvem.

O framework TbDd melhora a segurança e a eficiência do blockchain para aplicações de IoT.

Analisando ataques de backdoor e erros de rotulagem em modelos de IA médica.

Investigando algoritmos resilientes para testar funções em meio a desafios de perda de dados.

Estudo revela riscos de ataque por trás das cenas em tarefas de previsão de links em GNN.

Aprenda como o esquecimento de máquina ajuda a proteger a privacidade dos usuários removendo a influência dos dados.

Uma nova abordagem pra melhorar o desempenho do aprendizado federado enquanto garante a privacidade dos dados.

Um olhar sobre como a criptografia homomórfica ajuda a descida de gradiente na segurança dos dados.

Usando modelos de difusão pra melhorar a detecção de exemplos adversariais em machine learning.

Um olhar sobre as restrições de string e sua importância em sistemas de software.

Apresentando uma linguagem pra melhorar a segurança da computação confidencial na nuvem.

Esse estudo apresenta o WAVES, um benchmark pra avaliar técnicas de marca d'água contra vários ataques.

Métodos de desaprendizagem de máquina são essenciais pra respeitar os direitos de privacidade dos dados.

Esse artigo fala sobre a importância da aleatoriedade em sistemas criptográficos.

Novo método melhora redes neurais contra ataques adversariais usando entradas baseadas em conjuntos.

Um novo método pra melhorar a resistência das redes neurais a ataques, sem perder desempenho.

Aprenda como a programação interativa melhora a comunicação segura entre as partes.

A IA generativa melhora a segurança, escalabilidade e privacidade do blockchain.

Explorando os desafios e soluções pra proteger as redes inteligentes de ataques de dados.

Aprenda sobre Acordos de Nível de Serviço e como eles impactam a qualidade do serviço.

Esse trabalho melhora os métodos de esquecimento de máquina pra ter mais privacidade de dados e eficiência.