사이버 보안

Увійти

ідея - 사이버 보안

LLM 에이전트는 실제 세계의 하루 만에 공개된 취약점을 자율적으로 악용할 수 있다.

COVID-19 대유행으로 인한 원격 근무 전환이 데이터 유출 동향에 미친 영향을 분석하고, 원격 근무 환경에서의 사이버 보안 대비를 위한 모범 사례를 제시한다.

연방 학습을 통해 개인정보 보호 문제를 해결하면서도 사이버 위협 탐지 모델의 성능을 중앙 집중식 모델과 유사한 수준으로 달성할 수 있다.

신뢰할 수 있는 특징 선택을 통해 기계 학습 모델의 강건성과 계산 효율성을 향상시킬 수 있다.

메모리 덤프 분석과 다양한 기계 학습 알고리즘을 활용하여 난독화된 악성코드를 효과적으로 탐지할 수 있다.

이 연구는 사회경제적 요인을 분석하여 사이버 공격 피해자를 예측하는 기계 학습 기반 모델을 제시합니다.

이 연구는 허니팟에서 수집된 터미널 세션 명령어를 활용하여 공격 패턴을 군집화하는 Dirichlet 분포 토픽 모델을 제안한다. 제안된 모델은 세션 수준과 명령어 수준의 잠재 의도를 모두 고려하여 공격 패턴을 보다 효과적으로 식별할 수 있다.

행동 기반 인증은 사용자의 고유한 행동 패턴을 분석하여 시스템의 보안과 안전성을 향상시킬 수 있는 혁신적이고 핵심적인 기술이다.

트윈 오토인코더(TAE)는 입력 데이터를 분리 가능한 표현으로 변환하여 사이버 공격 탐지 성능을 향상시킨다.

딥러닝 기술의 발전으로 인해 텍스트 기반 CAPTCHA에 대한 예측이 더욱 용이해졌다. 이 연구는 CAPTCHA 생성 시스템의 취약점을 조사하고 더 강력한 CAPTCHA를 설계하기 위한 방법을 제안한다.

Про нас

Продукти

Ресурси