Telusuri profil teknologi beserta ringkasan dan rujukannya.
Pengaman konten generatif multimodal akan menggabungkan deteksi kognitif, mitigasi citra, serta retrieval pengetahuan normatif untuk melindungi pengguna muda.
Fondasi kriptografi kuantum akan diteliti untuk menilai ancaman pembobolan, memperluas primitive pascakuantum, dan memverifikasi layanan komputasi kuantum jarak jauh.
SecTuner meneliti compiler sebagai mekanisme perlindungan binary jaringan saraf, mengoptimalkan ketidakjelasan terhadap dekompilasi bersama kinerja program pada perangkat yang berbeda.
Guaranteed Execution Environment akan menggabungkan perangkat keras dan firmware untuk menjaga pelaksanaan tugas kritis ketika perangkat IoT atau siberfisik disusupi.
Keamanan retrieval-augmented generation akan diteliti untuk menemukan, mencegah, mendeteksi, dan memulihkan manipulasi jawaban akibat dokumen berbahaya dalam database eksternal.
Keamanan pembelajaran mesin kuantum di cloud tak tepercaya meneliti obfuscation dan watermark yang memanfaatkan derau perangkat serta optimizer untuk melindungi data pelatihan dan model.
Pemodelan terpadu teknologi informasi dan operasi akan digunakan untuk mengembangkan kendali industri yang tangguh terhadap perambatan serangan siberfisik.
Deteksi kontekstual berbasis model bahasa dan peringatan bertahap dirancang untuk mengenali pola penipuan daring manusia maupun konten buatan AI generatif.
Bedrock menganalisis bytecode kontrak lintas blockchain dan model konteks DeFi untuk menemukan kerentanan semantik yang muncul dari interaksi beberapa aplikasi keuangan.
Robot pendamping akan memakai privacy controller yang mempertimbangkan konteks rumah dan harapan pengguna untuk meneliti kapan pengumpulan serta pembagian informasi sesuai kebutuhan keluarga.
Clustering, pendekatan terinspirasi unlearning, dan pelacakan provenance pelatihan membentuk forensik jaringan neural untuk menyelidiki serangan poisoning serta serangan saat inference.
Physically Unclonable Wireless Systems akan memakai geometri array antena yang diacak untuk memperkuat fingerprint RF dan meneliti autentikasi serta keamanan lapisan fisik.
Pelatihan adversarial dan regularisasi robust dirancang bersama kompresi model untuk menyeimbangkan ketahanan serangan dengan keterbatasan energi, memori, serta komputasi edge.
SATTVA meneliti pembentukan kepercayaan perangkat IoT pertanian dengan chirp spread spectrum serta karakter tanah untuk simpul bawah tanah dan komunikasi udara.
Vellvm memperluas model formal LLVM IR dalam Coq untuk menalar memori, konkurensi, dan perilaku tak terdefinisi pada perangkat lunak tingkat rendah.
Pengelolaan resource NextG menelaah ancaman terhadap alokasi berbasis pembelajaran penguatan dan menggunakan proofs of service untuk verifikasi transaksi radio.
WASSY menggabungkan analisis statis dan instrumentasi biner untuk mendeteksi serta memitigasi kerentanan WebAssembly, termasuk interaksi dengan JavaScript pada lingkungan host.
Model prediksi dengan bantuan pakar menggunakan data sistem operasi seluler untuk mengenali keputusan privasi yang berpotensi disesali dan layak ditinjau.