雖然洗牌法在差分隱私隨機梯度下降法 (DP-SGD) 中被廣泛使用,但它可能會導致實際隱私洩漏與理論保證之間存在顯著差距,尤其是在小批量和特定威脅模型下。
機器學習模型需要同時防禦多種安全威脅,但現有的防禦機制組合方式往往效率低下且效果不佳。本文提出了一種名為 DEF\CON 的原則性組合技術,可以準確、有效地識別有效的防禦組合,並可應用於不同類型的防禦。
本文旨在探討在群眾感知情境下,如何利用基於AES-CTR加密的SRTP協定,實現安全且優化的影音串流傳輸,以解決傳統方法在隱私保護和效能方面的限制。
結合正交分頻多工 (OFDM)、六維超混沌系統和斐波那契 Q 矩陣,可以實現安全可靠的醫學影像傳輸,並提升影像傳輸品質。
透過特徵選擇和選擇合適的程式語言,可以在不影響偵測準確性的情況下提升人工智慧入侵偵測系統的運算效率,促進綠色人工智慧的發展。
語義通訊在提升效率的同時,也引入了新的安全漏洞,特別是時序攻擊,攻擊者可藉由分析訊息傳輸時機來推斷訊息內容,本文分析了此類攻擊的模型和防禦策略。
隨著人工智慧 (AI) 應用於移動即服務 (MaaS) 系統的普及,資料和演算法層面的網路安全風險日益受到關注,需要全面的對策來確保 MaaS 生態系統的安全性和可信度。
AuthFormer 是一種針對中老年人設計的自適應多模態生物特徵身份驗證模型,透過整合多種生物特徵資訊,提升系統安全性、適應性和穩健性,克服了傳統系統中固定模態組合的限制。
差分隱私權是一種用於量化和限制計算中個人隱私風險的數學框架,它確保任何單一記錄的存在與否都不應顯著影響分析結果,即使面對擁有無限計算能力和完整算法知識的攻擊者也能提供前瞻性的保護。
本文探討利用生成式 AI (GenAI),特別是大語言模型和情境學習,自動化生成安全控制 Gherkin 程式碼,以加速雲端服務安全控制的開發流程,並提升其效率和安全性。