分散型ステーブルコインの発行における信用リスクは、過剰担保型 lending から企業間信用まで多岐にわたり、それぞれの段階で独自のメカニズム、リスク、および緩和策が必要となる。
본 논문에서는 스마트 그리드 환경에서 OCSP 서버의 부하를 줄이기 위해 CRL을 활용한 하이브리드 OCSP 메커니즘을 제안하고, 실험을 통해 제안된 메커니즘의 효율성을 검증한다.
スマートグリッド環境における証明書の検証を効率化するため、証明書失効リスト(CRL)とオンライン証明書ステータスプロトコル(OCSP)を組み合わせたハイブリッドOCSPが提案されている。
拡散モデルは、その優れた画像生成能力から、産業界でGANsなどの生成モデルに取って代わる存在になりつつありますが、その複雑なアーキテクチャは、攻撃者に多くの攻撃の機会を提供します。本稿では、拡散モデルの学習データに特定のサンプルが含まれているかどうかを推測する、メンバーシップ推論攻撃(MIA)に焦点を当て、勾配情報を攻撃特徴量として活用することで、従来の損失ベースの攻撃よりも効果的かつ効率的に攻撃を実行できることを示します。
量子機械学習モデルは、従来の機械学習モデルと同様に、学習データの改竄による攻撃に対して脆弱であり、特にクラウド環境におけるデータポイズニング攻撃は深刻な脅威となる。
サイバーフィジカルシステム(CPS)のセキュリティ対策として、従来の脅威検知手法を上回る適応型異常検知(AAD)の最新研究動向を体系的にレビューし、その有効性と課題、今後の研究方向性を示唆する。
본 논문에서는 RAG(Retrieval-Augmented Generation) 애플리케이션이 외부 지식 베이스에 저장된 개인 데이터에 대해 새로운 보안 위협을 제기한다는 것을 입증하고, RAG-Thief라는 에이전트 기반 자동 공격 프레임워크를 제안하여 RAG 시스템의 개인정보보호 취약성을 체계적으로 분석합니다.
Retrieval-Augmented Generation (RAG) アプリケーションは、外部知識ベースの利用により精度と知識範囲を向上させる一方で、悪意のあるクエリを通じてプライベートデータが抽出される可能性があり、効果的な防御策の必要性が強調されている。
RAG-Thief, an agent-based automated attack, can effectively extract private data from RAG applications by exploiting LLM vulnerabilities and leveraging iterative query generation based on leaked information.
LiDAR-based autonomous driving systems, while promising, are vulnerable to various adversarial attacks targeting both sensors and machine learning algorithms, necessitating robust defense strategies to ensure safety and security.