Buchumschlag

Predicting SSH keys in Open SSH Memory dumps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Rascoussier, Florian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SSH-Passkeys: Leveraging Web Authentication for Passwordless SSH
von: Kayali, Moe, et al.
Veröffentlicht: (2025)

On the Security of SSH Client Signatures
von: Bäumer, Fabian, et al.
Veröffentlicht: (2025)

Finding SSH Strict Key Exchange Violations by State Learning
von: Bäumer, Fabian, et al.
Veröffentlicht: (2025)

Terrapin Attack: Breaking SSH Channel Integrity By Sequence Number Manipulation
von: Bäumer, Fabian, et al.
Veröffentlicht: (2023)

LLMHoney: A Real-Time SSH Honeypot with Large Language Model-Driven Dynamic Response Generation
von: Malhotra, Pranjay
Veröffentlicht: (2025)

JailbreakBench: An Open Robustness Benchmark for Jailbreaking Large Language Models
von: Chao, Patrick, et al.
Veröffentlicht: (2024)

SoK: Analyzing Adversarial Examples: A Framework to Study Adversary Knowledge
von: Fenaux, Lucas, et al.
Veröffentlicht: (2024)

Privacy Backdoors: Stealing Data with Corrupted Pretrained Models
von: Feng, Shanglun, et al.
Veröffentlicht: (2024)

Memory-Induced Tool-Drift in LLM Agents
von: Dabas, Mahavir, et al.
Veröffentlicht: (2026)

Towards Watermarking of Open-Source LLMs
von: Gloaguen, Thibaud, et al.
Veröffentlicht: (2025)

MRMMIA: Membership Inference Attacks on Memory in Chat Agents
von: Chen, Kai, et al.
Veröffentlicht: (2026)

GPU-Fuzz: Finding Memory Errors in Deep Learning Frameworks
von: Li, Zihao, et al.
Veröffentlicht: (2026)

FastLloyd: Federated, Accurate, Secure, and Tunable $k$-Means Clustering with Differential Privacy
von: Diaa, Abdulrahman, et al.
Veröffentlicht: (2024)

Adversarial Search Engine Optimization for Large Language Models
von: Nestaas, Fredrik, et al.
Veröffentlicht: (2024)

Evaluations of Machine Learning Privacy Defenses are Misleading
von: Aerni, Michael, et al.
Veröffentlicht: (2024)

Evading Black-box Classifiers Without Breaking Eggs
von: Debenedetti, Edoardo, et al.
Veröffentlicht: (2023)

Position: Considerations for Differentially Private Learning with Large-Scale Public Pretraining
von: Tramèr, Florian, et al.
Veröffentlicht: (2022)

FreeMOCA: Memory-Free Continual Learning for Malicious Code Analysis
von: Asadi, Zahra, et al.
Veröffentlicht: (2026)

SMA-DP: Spectral Memory-Aware Differential Privacy for Deep Learning
von: Partohaghighi, Mohammad, et al.
Veröffentlicht: (2026)

Bridging the Semantic Gap in Virtual Machine Introspection and Forensic Memory Analysis
von: Fellicious, Christofer, et al.
Veröffentlicht: (2025)

SpectralGuard: Detecting Memory Collapse Attacks in State Space Models
von: Bonetto, Davi
Veröffentlicht: (2026)

Privacy-Preserving Vertical K-Means Clustering
von: Mazzone, Federico, et al.
Veröffentlicht: (2025)

MeMoir: A Software-Driven Covert Channel based on Memory Usage
von: Gonzalez-Gomez, Jeferson, et al.
Veröffentlicht: (2024)

Death by a Thousand Prompts: Open Model Vulnerability Analysis
von: Chang, Amy, et al.
Veröffentlicht: (2025)

Adversarially Robust Bloom Filters: Privacy, Reductions, and Open Problems
von: Tirmazi, Hayder
Veröffentlicht: (2025)

What Do They Fix? LLM-Aided Categorization of Security Patches for Critical Memory Bugs
von: Li, Xingyu, et al.
Veröffentlicht: (2025)

Open LLMs are Necessary for Current Private Adaptations and Outperform their Closed Alternatives
von: Hanke, Vincent, et al.
Veröffentlicht: (2024)

Demystifying Trajectory Recovery From Ash: An Open-Source Evaluation and Enhancement
von: D'Silva, Nicholas, et al.
Veröffentlicht: (2024)

Open-Weight LLM Fine-Tuning Defenses are Susceptible to Simple Attacks
von: Kuo, Kevin, et al.
Veröffentlicht: (2026)

Federated Discrete Denoising Diffusion Model for Molecular Generation with OpenFL
von: Ta, Kevin, et al.
Veröffentlicht: (2025)

Benchmarking GNNs Using Lightning Network Data
von: Feichtinger, Rainer, et al.
Veröffentlicht: (2024)

Membership Inference Attacks Cannot Prove that a Model Was Trained On Your Data
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

Secure Sparse Matrix Multiplications and their Applications to Privacy-Preserving Machine Learning
von: Damie, Marc, et al.
Veröffentlicht: (2025)

Leveraging Optimization for Adaptive Attacks on Image Watermarks
von: Lukas, Nils, et al.
Veröffentlicht: (2023)

Membership Inference Attacks on Sequence Models
von: Rossi, Lorenzo, et al.
Veröffentlicht: (2025)

How to Securely Shuffle? A survey about Secure Shufflers for privacy-preserving computations
von: Damie, Marc, et al.
Veröffentlicht: (2025)

Identifying Obfuscated Code through Graph-Based Semantic Analysis of Binary Code
von: Cohen, Roxane, et al.
Veröffentlicht: (2025)

AlertBERT: A noise-robust alert grouping framework for simultaneous cyber attacks
von: Karner, Lukas, et al.
Veröffentlicht: (2026)

Laundering AI Authority with Adversarial Examples
von: Zhang, Jie, et al.
Veröffentlicht: (2026)

Adversarial ML Problems Are Getting Harder to Solve and to Evaluate
von: Rando, Javier, et al.
Veröffentlicht: (2025)