セキュリティ

Entrar

insight - セキュリティ

Kubernetesユーザーはセキュリティ関連のトピックを一貫して重視しており、セキュリティ投稿の人気と影響力が大幅に高まっている。

Crescendo は、大言語モデルの安全性を脅かす新たな多段階の脱獄攻撃手法である。従来の脱獄手法とは異なり、Crescendo は見かけ上無害な入力を使用し、段階的に有害な出力を引き出すことができる。

グラフ畳み込みネットワーク（GCN）を使用して、フロー特徴とトポロジー特徴を深く融合することで、効果的なボットネット検出手法を提案する。

モデルが迅速にバックドア脅威を学習解除できる可能性を探求し、新しいトークンベースの局所的な忘却トレーニング方法を導入することで、攻撃成功率を最小限に抑えつつ、モデルの高いクリーン精度を保持する方法が提案されています。

代表的なポートフォワーディングサービス（PFS）のセキュリティ研究に基づいて、PFSが広く採用されており、重要なデータやインフラへのアクセスを提供するウェブインターフェースを公開することで、重大なセキュリティリスクが発生していることが明らかになりました。

マイクロサービスアーキテクチャにおけるセキュリティリスクを予測・評価するためのCyberWise Predictorフレームワークが効果的であることを示す。

MLアプローチを使用して、リソース制約デバイスでのDNSトンネリング攻撃を効果的に検出する方法を提案します。

訓練画像を毒入りラベルで攻撃するクリーンイメージバックドア攻撃は、モデルの公平性と堅牢性を脅かす。

大規模言語モデルの安全性向上のためのスポットライト技術は、間接プロンプトインジェクション攻撃に対する効果的な防御手段である。

分散フェデレーテッドラーニングシステムの脆弱性を明らかにするため、敵対的ノード配置が攻撃の効果にどのように影響するかを調査しました。

Sobre

Produtos

Recursos