( en | de | ru )

 

Disambiguierung von "Hu, Zhisheng"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Feedback control can make data structure layout randomization more cost-effective under zero-day attacks.

, , , , und . Cybersecurity, 1 (1): 3 (2018)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Zhisheng Shi

Jun Hu

Zaijun Hu

Bing Hu

Hu Wang

 

Weitere Publikationen von Autoren mit dem selben Namen

SoK: On the Semantic AI Security in Autonomous Driving., , , , , , , , , und 3 andere Autor(en). CoRR, (2022)A Co-Design Adaptive Defense Scheme With Bounded Security Damages Against Heartbleed-Like Attacks., , , und . IEEE Trans. Inf. Forensics Secur., (2021)Detecting multi-sensor fusion errors in advanced driver-assistance systems., , , , , und . ISSTA, Seite 493-505. ACM, (2022)Quantifying DNN Model Robustness to the Real-World Threats., , und . DSN, Seite 150-157. IEEE, (2020)Adaptive Cyber Defense Against Multi-Stage Attacks Using Learning-Based POMDP., , und . ACM Trans. Priv. Secur., 24 (1): 6:1-6:25 (2020)MTD Techniques for Memory Protection Against Zero-Day Attacks., , , , , , und . Adversarial and Uncertain Reasoning for Adaptive Cyber Defense, Volume 11830 von Lecture Notes in Computer Science, Springer, (2019)DeepReturn: A deep neural network can learn how to detect previously-unseen ROP payloads without using any heuristics., , , , , , und . J. Comput. Secur., 28 (5): 499-523 (2020)Feedback control can make data structure layout randomization more cost-effective under zero-day attacks., , , , und . Cybersecurity, 1 (1): 3 (2018)Disclosing the Fragility Problem of Virtual Safety Testing for Autonomous Driving Systems., , , und . ISSRE Workshops, Seite 387-392. IEEE, (2021)On convergence rates of game theoretic reinforcement learning algorithms., , , und . Autom., (2019)