コンピューターセキュリティとプライバシー

Kirjaudu sisään

näkemys - コンピューターセキュリティとプライバシー

外部データを用いて視覚言語モデルにバックドアを挿入し、攻撃を実行する新しい手法を提案する。

TikTokでは子供の露出が広く見られ、それに対する視聴者の反応には問題のある側面がある。子供のプライバシーと安全を守るための対策が急務である。

インピーダンスサイドチャネル解析は、従来の電力サイドチャネル解析に比べて、AES暗号鍵の抽出に対してより高い潜在性を示す。

TrojVLMは、視覚言語モデルの画像から文章生成機能を悪用し、事前定義されたターゲットテキストを出力に挿入する新しいバックドア攻撃手法である。

CyberForceは、ゼロデイ攻撃を軽減するための最適なMTD手法を、プライバシーを保護しつつ、協調的に学習する。

本研究では、グラフニューラルネットワークの分離学習手法を用いて、サイバー攻撃の異常検知精度を向上させた。特に、ノード表現学習とクラシファイアの分離、および複数のグラフエンコーダの組み合わせによって、既存手法を上回る異常検知性能を実現した。

暗号化プリミティブを使用して、デバイス上の特定のプロセスに対してのみ安全にメッセージを送信し、特定のプロセスからのみメッセージを受信することができる。

Celtiberoは、連邦学習の毒入りモデル攻撃に対する新しい防御メカニズムである。層別集約を統合することで、様々な攻撃に対する堅牢性を高めている。

サイバーセキュリティの分野において、Generative Adversarial Networks (GANs)は強力なソリューションとして浮上している。本調査では、侵入検知システム、マルウェア検知、異常検知などの領域でのGANsの活用について包括的に検討する。

高度な持続的脅威の自動帰属は、サイバーセキュリティにおける重要な課題であり、高度なサイバー攻撃の背後にいる加害者を正確に特定するプロセスを意味する。これは防御メカニズムを大幅に強化し、戦略的な対応を通知することができる。

Tietoja

Tuotteet

Resurssit