Buchumschlag

Vulnerabilities in Machine Learning-Based Voice Disorder Detection Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Perelli, Gianpaolo, Panzino, Andrea, Casula, Roberto, Micheletto, Marco, Orrù, Giulia, Marcialis, Gian Luca
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

Deep Data Hiding for ICAO-Compliant Face Images: A Survey
von: Chivata, Jefferson David Rodriguez, et al.
Veröffentlicht: (2025)

Uncovering the Limits of Machine Learning for Automatic Vulnerability Detection
von: Risse, Niklas, et al.
Veröffentlicht: (2023)

Top Score on the Wrong Exam: On Benchmarking in Machine Learning for Vulnerability Detection
von: Risse, Niklas, et al.
Veröffentlicht: (2024)

TinyML Security: Exploring Vulnerabilities in Resource-Constrained Machine Learning Systems
von: Huckelberry, Jacob, et al.
Veröffentlicht: (2024)

Vulnerability Detection in Ethereum Smart Contracts via Machine Learning: A Qualitative Analysis
von: Ressi, Dalila, et al.
Veröffentlicht: (2024)

Deep Learning-based Binary Analysis for Vulnerability Detection in x86-64 Machine Code
von: Petingola, Mitchell
Veröffentlicht: (2026)

Evaluating Line-level Localization Ability of Learning-based Code Vulnerability Detection Models
von: Pintore, Marco, et al.
Veröffentlicht: (2025)

A Geometric Framework for Adversarial Vulnerability in Machine Learning
von: Bell, Brian
Veröffentlicht: (2024)

ModSec-AdvLearn: Countering Adversarial SQL Injections with Robust Machine Learning
von: Floris, Giuseppe, et al.
Veröffentlicht: (2023)

Vulnerability Detection in C/C++ Code with Deep Learning
von: Huang, Zhen, et al.
Veröffentlicht: (2024)

Predicting Vulnerability to Malware Using Machine Learning Models: A Study on Microsoft Windows Machines
von: Esnaashari, Marzieh, et al.
Veröffentlicht: (2025)

Machine Learning-Based Cyberattack Detection and Identification for Automatic Generation Control Systems Considering Nonlinearities
von: Shabar, Nour M., et al.
Veröffentlicht: (2025)

Using Graph Theory for Improving Machine Learning-based Detection of Cyber Attacks
von: Zonneveld, Giacomo, et al.
Veröffentlicht: (2024)

A Defensive Framework Against Adversarial Attacks on Machine Learning-Based Network Intrusion Detection Systems
von: Tafreshian, Benyamin, et al.
Veröffentlicht: (2025)

Trust Under Siege: Label Spoofing Attacks against Machine Learning for Android Malware Detection
von: Lan, Tianwei, et al.
Veröffentlicht: (2025)

MTVHunter: Smart Contracts Vulnerability Detection Based on Multi-Teacher Knowledge Translation
von: Sun, Guokai, et al.
Veröffentlicht: (2025)

Reconstruction Attacks on Machine Unlearning: Simple Models are Vulnerable
von: Bertran, Martin, et al.
Veröffentlicht: (2024)

To Err is Machine: Vulnerability Detection Challenges LLM Reasoning
von: Steenhoek, Benjamin, et al.
Veröffentlicht: (2024)

Improving fingerprint presentation attack detection by an approach integrated into the personal verification stage
von: Micheletto, Marco, et al.
Veröffentlicht: (2025)

Towards Unveiling Vulnerabilities of Large Reasoning Models in Machine Unlearning
von: Chen, Aobo, et al.
Veröffentlicht: (2026)

A Comparative Analysis of Machine Learning Models for Intrusion Detection in Intelligent Transport Systems
von: Sazid, Zawad Yalmie, et al.
Veröffentlicht: (2026)

Quantum Machine Learning Approaches for Coordinated Stealth Attack Detection in Distributed Generation Systems
von: Ogiesoba-Eguakun, Osasumwen Cedric, et al.
Veröffentlicht: (2025)

Skill-Inject: Measuring Agent Vulnerability to Skill File Attacks
von: Schmotz, David, et al.
Veröffentlicht: (2026)

Robustness-Congruent Adversarial Training for Secure Machine Learning Model Updates
von: Angioni, Daniele, et al.
Veröffentlicht: (2024)

Vulnerability Detection in Smart Contracts: A Comprehensive Survey
von: De Baets, Christopher, et al.
Veröffentlicht: (2024)

Knowledge Migration Framework for Smart Contract Vulnerability Detection
von: Wang, Luqi, et al.
Veröffentlicht: (2024)

R+R: Revisiting Static Feature-Based Android Malware Detection using Machine Learning
von: Alam, Md Tanvirul, et al.
Veröffentlicht: (2024)

SDN-Based False Data Detection With Its Mitigation and Machine Learning Robustness for In-Vehicle Networks
von: Dang, Long, et al.
Veröffentlicht: (2025)

A Survey of Learning-Based Intrusion Detection Systems for In-Vehicle Network
von: Althunayyan, Muzun, et al.
Veröffentlicht: (2025)

Statement-Level Vulnerability Detection: Learning Vulnerability Patterns Through Information Theory and Contrastive Learning
von: Nguyen, Van, et al.
Veröffentlicht: (2022)

Dual-view Aware Smart Contract Vulnerability Detection for Ethereum
von: Yao, Jiacheng, et al.
Veröffentlicht: (2024)

ROSpace: Intrusion Detection Dataset for a ROS2-Based Cyber-Physical System
von: Puccetti, Tommaso, et al.
Veröffentlicht: (2024)

Intrusion Detection in Internet of Vehicles Using Machine Learning
von: Le, Hop, et al.
Veröffentlicht: (2025)

Ransomware Detection Using Machine Learning in the Linux Kernel
von: Brodzik, Adrian, et al.
Veröffentlicht: (2024)

On the (In)Security of Loading Machine Learning Models
von: Digregorio, Gabriele, et al.
Veröffentlicht: (2025)

Privacy Side Channels in Machine Learning Systems
von: Debenedetti, Edoardo, et al.
Veröffentlicht: (2023)

Dissecting the Black Box: Circuit-Level Analysis of LLM Vulnerability Detection
von: Atiiq, Syafiq Al, et al.
Veröffentlicht: (2026)

SyntheticPop: Attacking Speaker Verification Systems With Synthetic VoicePops
von: Jamdar, Eshaq, et al.
Veröffentlicht: (2025)

Optimized IoT Intrusion Detection using Machine Learning Technique
von: Mahmud, Muhammad Zawad, et al.
Veröffentlicht: (2024)

New Machine Learning Approaches for Intrusion Detection in ADS-B
von: Ngamboé, Mikaëla, et al.
Veröffentlicht: (2025)