Artigos mais recentes para Segurança de Dados

LightPHE facilita a proteção de dados sensíveis usando criptografia homomórfica.

Novo método melhora a geração de dados sintéticos enquanto garante a proteção da privacidade.

Explorando como a blockchain pode melhorar a segurança de modelos de linguagem grandes.

FedTime combina aprendizado federado e dados locais para uma previsão melhorada, garantindo a privacidade dos dados.

BackdoorBench oferece uma abordagem unificada para avaliar métodos de aprendizado backdoor em redes neurais profundas.

Uma olhada nas fraquezas dos LLMs e estratégias pra melhorar.

Um novo método para proteger dados médicos usando blockchain e identidade auto-soberana.

Analisando preocupações de privacidade com comunicação orientada a tarefas na nova tecnologia 6G.

Técnicas inovadoras protegem dados de fala sensíveis enquanto mantêm a precisão do processamento.

Um novo método melhora a privacidade de imagens faciais sem perder qualidade.

A pesquisa melhora os métodos para analisar cifras leves como Simon e Simeck.

Analisando os riscos e estratégias de sequestro de modelo em sistemas de aprendizado federado.

Novos métodos melhoram a análise da criptografia baseada em código, aumentando a segurança.

Um olhar sobre os riscos de vazamento de prompts em grandes modelos de linguagem e métodos de prevenção.

Analisando como assistentes de IA podem respeitar a privacidade do usuário enquanto realizam tarefas.

Modelos de linguagem maiores mostram mais vulnerabilidade a comportamentos de dados prejudiciais.

Descubra o potencial da detecção Kramers-Kronig na comunicação quântica segura.

Aprenda como funcionam os códigos QR e o papel da correção de erros.

Novas metodologias melhoram a resistência dos modelos de deep learning a alterações adversariais.

Novos métodos reduzem o vazamento de identidade no reconhecimento facial enquanto garantem a privacidade dos dados.

Sistemas RAG melhoram as operações, mas trazem sérias vulnerabilidades de segurança.

Integrar computação quântica e suavização aleatória melhora a segurança de modelos de aprendizado de máquina contra ataques.

Investigando os efeitos do PMD em métodos de transferência de dados seguros.

Novos métodos melhoram a privacidade dos dados enquanto mantêm a precisão da análise.

CRISP protege aplicativos na nuvem contra ataques de rollback, garantindo a integridade e segurança dos dados.

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

Um guia pra entender melhor a privacidade diferencial e suas implicações pra dados pessoais.

Um método pra verificar identidades enquanto protege informações pessoais.

Um sistema flexível melhora o acesso a informações sensíveis para usuários confiáveis.

Um olhar sobre como o aprendizado no dispositivo equilibra o desempenho do app com a privacidade do usuário.

O MIA-Tuner tenta resolver problemas de privacidade nos dados de treinamento de LLM.

Sequências balanceadas sem colisão melhoram os sistemas de comunicação ao evitar interferência.

Explore métodos e desafios pra manter comunicações seguras hoje em dia.

Esse estudo destaca os desafios de segurança relacionados à persistência de dados DRAM em sistemas FPGA.

Validação e confirmação são essenciais para interações seguras na blockchain.

Enfrentando os desafios dos ataques adversariais em redes neurais de séries temporais.

Novos métodos melhoram a defesa dos modelos de machine learning contra ataques adversariais.

Este estudo examina a confiabilidade dos modelos de racionalização em ataques adversariais.

Examinando o Reconhecimento Automático de Fala nos sistemas judiciais canadenses e seu impacto.

Uma estrutura pra avaliar a segurança de sistemas SDN em data centers.