Trusted Execution Environment (TEE)は、現代のモバイルデバイスにおいて重要なセキュリティ対策として広く採用されていますが、物理的およびソフトウェアベースの故障注入攻撃に対して脆弱性を抱えています。
マイクロビジネスのオーナーは、サイバーセキュリティの専門知識がなくても、ビジネス上の脅威をモデル化し、軽減するための体系的なフレームワークと使いやすいツールを利用することで、サイバーセキュリティ体制を強化できる。
大規模言語モデル(LLM)と形式検証ツールを組み合わせることで、新たな暗号プロトコルの脆弱性を自動的に検出できる可能性がある。
自動化とAIは、現代の外交の複雑さとペースを管理することで、米国のサイバー外交を強化するための変革をもたらすものであり、意思決定、効率性、セキュリティ対策の向上を実現する。
本稿では、ディープラーニングモデルに対するバックドア攻撃対策として、毒サンプル検出(PSD)の性能向上に取り組んでいます。特に、攻撃の影響が弱く、従来のPSDでは検出が困難なケースにおいても、シャープネス認識最小化(SAM)を用いた学習により、攻撃の影響を増幅させることで、検出精度を大幅に向上させる手法を提案しています。
機械学習モデルに複数の防御手法を組み合わせる際、手法間の競合を避けることで、各防御手法の効果を維持し、複合的なリスクからモデルを効果的に保護できる。
本稿では、クラウドセンシング環境におけるマルチメディアストリーミングのセキュリティ上の課題と、AES-CTR暗号化に基づくセキュアなRTPプロトコルを用いた解決策を提案する。
本稿では、プライバシー損失分布のラプラス変換を通して、微分プライバシーの諸概念の新たな解釈を提示し、時間領域と周波数領域の双対性を利用することで、(q, ρ)-Rényi DP と (ε, δ)-DP の関係性を明確化し、さらに正確な適応的合成定理を導出しています。
連合学習におけるプライバシー保護の脆弱性を突く、大規模言語モデルに対する初の正確な勾配逆転攻撃「DAGER」とその有効性について。
本稿では、垂直型連合学習(VFL)システムにおける新たな脅威である敵対的支配入力(ADI)の存在を明らかにし、その脅威がもたらす影響と対策について論じています。