Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Masters de maîtrise en soutien à la confidentialité et à la sécurité des applications mobiles : état de l'art et axes de recherche

Created by
  • Haebom

Auteur

Tran Thanh Lam Nguyen, Barbara Carminati, Elena Ferrari

Contour

Cet article explore comment exploiter les modèles linguistiques à grande échelle (MLH) pour atténuer les risques de sécurité et de confidentialité dans les applications mobiles. Nous soulignons le potentiel et les promesses des LMH comme solution de remplacement aux méthodes traditionnelles telles que l'analyse dynamique et hybride face à des menaces de plus en plus sophistiquées. Nous présentons des recherches de pointe sur l'application des LMH pour atténuer les dix principaux risques de sécurité courants sur les smartphones, fournissons un exemple représentatif d'une solution basée sur les LMH permettant de détecter les fuites de données sensibles lors du partage d'images en ligne, et abordons les futures orientations de recherche.

Takeaways, Limitations_

•
Takeaways:
◦
Présentation de la possibilité d'utiliser LLM pour détecter et atténuer efficacement les risques de sécurité et de confidentialité dans les applications mobiles.
◦
Proposer une nouvelle approche qui peut remplacer les méthodes d’analyse traditionnelles existantes.
◦
Présentation de solutions basées sur LLM pour résoudre des problèmes du monde réel tels que la détection de fuites de données sensibles lors du partage d'images.
•
Limitations:
◦
Des expériences et des validations supplémentaires sont nécessaires pour vérifier les performances et la généralisabilité de la solution basée sur LLM présentée dans l’article.
◦
Une réflexion et des suggestions de solutions aux LLM __T32551_____ (par exemple, potentiel d'erreur, biais) sont nécessaires.
◦
Manque d’orientations de recherche spécifiques pour les domaines mentionnés comme tâches de recherche futures.
👍
Made with Slashpage