본 논문에서는 장기적인 시간적 의존성을 효율적으로 모델링할 수 있는 새로운 듀얼 컬럼 양방향 Mamba (DuaBiMamba) 아키텍처를 기반으로 사전 훈련된 XLSR 모델을 활용한 스푸핑 공격 탐지 모델인 XLSR-Mamba를 제안합니다.
대규모 언어 모델(LLM)의 적대적 공격을 특정 모델에 귀속시키는 것은 이론적으로나 실질적으로 매우 어려운 과제이다.
본 논문에서는 의료 이미지의 개인 정보를 보호하면서도 정확한 분류를 가능하게 하는 ViT 기반의 학습 가능한 암호화 프레임워크를 제안합니다.
본 논문에서는 데이터베이스 문자열과 쿼리 문자열 간의 해밍 거리 및 편집 거리를 효율적이고 개인정보를 보호하는 방식으로 추정하는 새로운 데이터 구조를 제안합니다.
AuthFormer는 노년층을 위해 특별히 설계된 적응형 다중 생체 인증 모델로, 다양한 생체 정보 조합과 수량을 수용하여 기존 시스템의 한계를 극복하고 인증 정확도와 사용자 편의성을 향상시킵니다.
본 논문에서는 그래프 연합 학습(GFL) 시스템의 새로운 취약점을 공격하는 데이터 조작 기반 재구성 공격(DMan4Rec)을 제안하며, 이 공격은 기존 공격보다 효과성, 확장성 및 은밀성 측면에서 뛰어납니다.
본 논문에서는 레이더 기반 인간 활동 인식 시스템에서 발생하는 개인 정보 보호 문제를 다루고, 데이터 유용성을 유지하면서도 멤버십 추론 공격으로부터 사용자 정보를 보호하는 새로운 차등 프라이버시 기법인 IDG-DP를 제안합니다.
본 논문에서는 소셜 센서 클라우드 서비스 제공자의 불완전한 비공개 프로필 데이터를 기반으로 복제 계정을 효과적으로 탐지하는 새로운 접근 방식을 제안합니다.
본 논문에서는 K-놈 메커니즘의 성능을 최적화하여 유한 표본 데이터 문제에 대한 실질적인 정확도를 향상시키는 방법을 제시합니다.
Open-Redirect 취약점을 악용하여 XSS 공격을 수행하는 방법과 그 위험성, 그리고 이에 대한 방어 조치에 대해 설명합니다.