Performance Guarantees for Permissionless Lending
We propose a lending protocol with far fewer risks than existing pool-based lending protocols (e.g., Aave, Compound). In
共收录 9 条相关情报。
← 返回所有主题We propose a lending protocol with far fewer risks than existing pool-based lending protocols (e.g., Aave, Compound). In
A watermark verifier may hold many modes, i.e., secret keys, and a document may mix spans of different modes with unwate
该论文研究将差分隐私(DP)形式的认证鲁棒性从卷积神经网络迁移到视觉 Transformer(ViT)时出现的失效问题。PixelDP 通过在网络中间层注入噪声,为范数有界的对抗扰动提供严格的鲁棒性证书,此前在 CNN 上被证明有效;但在自
网络安全的量化风险管理长期受困于两个现实难题: 一是企业内部可用于建模的运营数据稀缺、口径不一; 二是核心变量“损失事件频率”(Loss Event Frequency, LEF)本身难以直接测量和量化, 导致大多数风险评估退化为专家打分而
该论文研究在测试结果可能被不诚实测试者恶意扭曲的情况下,如何设计最优测试策略以恢复真实测试结果。现实中的考试、评估等场景常面临作弊或对抗性行为,随着AI技术发展,利用AI作弊的现象愈发普遍和严重,导致测试结果的可靠性受到威胁。作者将测试问题
该论文针对议会选举中多数派执政结果的认证问题,提出了一种风险限制审计(RLA)方法。传统的RLA通常聚焦于认证单个竞选结果,但在议会制选举中,政治相关结果往往是某个政党是否赢得足够席位以组建政府,而非每个席位结果是否完全正确。论文将认证议会
2020年美国人口普查局采用了差分隐私技术保护数据隐私,通过向发布的普查表格注入整数值高斯噪声来实现。准确评估这些数据发布的隐私保证,可以使普查局确定满足给定隐私预算所需的最小噪声量,避免注入不必要的过多噪声,从而显著提高下游应用(如联邦资
该论文研究了一种由智能体人工智能(Agentic AI)驱动的重识别攻击方法,对移动微数据隐私构成新兴的可扩展威胁。背景是商业数据经纪商广泛收集细粒度位置数据,尽管已有研究表明移动轨迹具有高度独特性,但过往重识别攻击需要分析师大量人工操作,
本研究提出了一种新颖的随机框架,用于在单一攻击场景下优化主动网络安全防御的时机决策。该框架将防御过程建模为连续观察机制,其中防御时刻及随后的观察时段分别服从独立的指数分布。通过结合Laplace-Carson变换和首次超越理论,推导出能够包