Buchumschlag

Inferring Discussion Topics about Exploitation of Vulnerabilities from Underground Hacking Forums

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Moreno-Vera, Felipe
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VISION: Robust and Interpretable Code Vulnerability Detection Leveraging Counterfactual Augmentation
von: Egea, David, et al.
Veröffentlicht: (2025)

Predicting Likely-Vulnerable Code Changes: Machine Learning-based Vulnerability Protections for Android Open Source Project
von: Yim, Keun Soo
Veröffentlicht: (2024)

On the Vulnerability of Fairness Constrained Learning to Malicious Noise
von: Blum, Avrim, et al.
Veröffentlicht: (2023)

Unifying Re-Identification, Attribute Inference, and Data Reconstruction Risks in Differential Privacy
von: Kulynych, Bogdan, et al.
Veröffentlicht: (2025)

SoK: On the Offensive Potential of AI
von: Schröer, Saskia Laura, et al.
Veröffentlicht: (2024)

To Defend Against Cyber Attacks, We Must Teach AI Agents to Hack
von: Zhuo, Terry Yue, et al.
Veröffentlicht: (2026)

The Wolf Within: Covert Injection of Malice into MLLM Societies via an MLLM Operative
von: Tan, Zhen, et al.
Veröffentlicht: (2024)

Trustless Audits without Revealing Data or Models
von: Waiwitlikhit, Suppakit, et al.
Veröffentlicht: (2024)

A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures
von: Nguyen, Thanh Tam, et al.
Veröffentlicht: (2024)

Privacy-hardened and hallucination-resistant synthetic data generation with logic-solvers
von: Burgess, Mark A., et al.
Veröffentlicht: (2024)

NYU CTF Bench: A Scalable Open-Source Benchmark Dataset for Evaluating LLMs in Offensive Security
von: Shao, Minghao, et al.
Veröffentlicht: (2024)

Benchmark Early and Red Team Often: A Framework for Assessing and Managing Dual-Use Hazards of AI Foundation Models
von: Barrett, Anthony M., et al.
Veröffentlicht: (2024)

SecGenAI: Enhancing Security of Cloud-based Generative AI Applications within Australian Critical Technologies of National Interest
von: Haryanto, Christoforus Yoga, et al.
Veröffentlicht: (2024)

Differentially Private Data Release on Graphs: Inefficiencies and Unfairness
von: Fioretto, Ferdinando, et al.
Veröffentlicht: (2024)

Privacy Bias in Language Models: A Contextual Integrity-based Auditing Metric
von: Shvartzshnaider, Yan, et al.
Veröffentlicht: (2024)

Machine Unlearning Fails to Remove Data Poisoning Attacks
von: Pawelczyk, Martin, et al.
Veröffentlicht: (2024)

Knowledge Distillation-Based Model Extraction Attack using GAN-based Private Counterfactual Explanations
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2024)

Privacy at a Price: Exploring its Dual Impact on AI Fairness
von: Yang, Mengmeng, et al.
Veröffentlicht: (2024)

PUFFLE: Balancing Privacy, Utility, and Fairness in Federated Learning
von: Corbucci, Luca, et al.
Veröffentlicht: (2024)

Confidential Guardian: Cryptographically Prohibiting the Abuse of Model Abstention
von: Rabanser, Stephan, et al.
Veröffentlicht: (2025)

Adversarial Augmentation and Active Sampling for Robust Cyber Anomaly Detection
von: Benabderrahmane, Sidahmed, et al.
Veröffentlicht: (2025)

Robust Safety Monitoring of Language Models via Activation Watermarking
von: Aremu, Toluwani, et al.
Veröffentlicht: (2026)

Password-Activated Shutdown Protocols for Misaligned Frontier Agents
von: Williams, Kai, et al.
Veröffentlicht: (2025)

Making AI-Assisted Grant Evaluation Auditable without Exposing the Model
von: Bicakci, Kemal
Veröffentlicht: (2026)

Decentralized autonomous organization and blockchain-based incentivization framework for community-based facilities management
von: Ly, Reachsak, et al.
Veröffentlicht: (2026)

Watermarking Should Be Treated as a Monitoring Primitive
von: Aremu, Toluwani, et al.
Veröffentlicht: (2026)

The New Frontier of Cybersecurity: Emerging Threats and Innovations
von: Dave, Daksh, et al.
Veröffentlicht: (2023)

Hidden Poison: Machine Unlearning Enables Camouflaged Poisoning Attacks
von: Di, Jimmy Z., et al.
Veröffentlicht: (2022)

Robustness and Cybersecurity in the EU Artificial Intelligence Act
von: Nolte, Henrik, et al.
Veröffentlicht: (2025)

A Public Theory of Distillation Resistance via Constraint-Coupled Reasoning Architectures
von: Wei, Peng, et al.
Veröffentlicht: (2026)

FAIRPLAI: A Human-in-the-Loop Approach to Fair and Private Machine Learning
von: Sanchez Jr., David, et al.
Veröffentlicht: (2025)

Secure Multi-Modal Data Fusion in Federated Digital Health Systems via MCP
von: Aueawatthanaphisut, Aueaphum
Veröffentlicht: (2025)

Federated Learning Under Attack: Exposing Vulnerabilities through Data Poisoning Attacks in Computer Networks
von: Nowroozi, Ehsan, et al.
Veröffentlicht: (2024)

Adversarial Vulnerabilities in Large Language Models for Time Series Forecasting
von: Liu, Fuqiang, et al.
Veröffentlicht: (2024)

Coordinated Flaw Disclosure for AI: Beyond Security Vulnerabilities
von: Cattell, Sven, et al.
Veröffentlicht: (2024)

Clio: Privacy-Preserving Insights into Real-World AI Use
von: Tamkin, Alex, et al.
Veröffentlicht: (2024)

Can a large language model be a gaslighter?
von: Li, Wei, et al.
Veröffentlicht: (2024)

An In-Depth Investigation of Data Collection in LLM App Ecosystems
von: Wu, Yuhao, et al.
Veröffentlicht: (2024)

Superficial Safety Alignment Hypothesis
von: Li, Jianwei, et al.
Veröffentlicht: (2024)

IsolateGPT: An Execution Isolation Architecture for LLM-Based Agentic Systems
von: Wu, Yuhao, et al.
Veröffentlicht: (2024)