<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>SYNAPSE // SEC</title>
    <link>https://devsecmed.com/th</link>
    <description>ความทนทานต่อการโจมตีแบบปรปักษ์ในโมเดลวิสัยทัศน์ทางคลินิก โครงสร้างพื้นฐานปัญญาประดิษฐ์แบบ Zero-Trust และความปลอดภัยของระบบ</description>
    <language>th</language>
    <atom:link href="https://devsecmed.com/th/rss.xml" rel="self" type="application/rss+xml" />
    
    <item>
      <title>การเรียนรู้แบบกระจายศูนย์ที่รักษาความเป็นส่วนตัวในเครือข่ายโรงพยาบาล: การบรรเทาการโจมตีแบบ Gradient Inversion</title>
      <link>https://devsecmed.com/th/blog/privacy-preserving-federated-learning-gradient-inversion-defense</link>
      <guid isPermaLink="true">https://devsecmed.com/th/blog/privacy-preserving-federated-learning-gradient-inversion-defense</guid>
      <pubDate>Mon, 02 Nov 2026 09:15:00 GMT</pubDate>
      <description>การแบ่งปันเกรเดียนต์พารามิเตอร์ดิบในการเรียนรู้แบบกระจายศูนย์ข้ามโรงพยาบาลไม่รับประกันความเป็นส่วนตัวของผู้ป่วย: การทำ Gradient Inversion ด้วยวิธีเชิงออปติไมเซชันสามารถสร้างภาพรังสีทรวงอกและภาพตัดเชิงปริมาตรขึ้นใหม่ได้ เราอนุมานการรับประกัน Rényi Differential Privacy (RDP) ที่แน่น พร้อมการตัดเกรเดียนต์แบบปรับตัว</description>
      <category>ระบบ ML และความเป็นส่วนตัว</category>
    </item>
    <item>
      <title>การจำกัดสิทธิ์ที่ปลอดภัยต่อหน่วยความจำและการตรวจสอบรันไทม์ด้วย eBPF สำหรับการประมวลผลปัญญาประดิษฐ์และเอเจนต์ที่ไม่เชื่อถือ</title>
      <link>https://devsecmed.com/th/blog/memory-safe-sandboxing-ebpf-runtime-monitoring-ai-execution</link>
      <guid isPermaLink="true">https://devsecmed.com/th/blog/memory-safe-sandboxing-ebpf-runtime-monitoring-ai-execution</guid>
      <pubDate>Sat, 31 Oct 2026 10:30:00 GMT</pubDate>
      <description>ท่อส่งข้อมูลปัญญาประดิษฐ์ทางคลินิกและเอเจนต์รักษาความปลอดภัยอัตโนมัติมักแยกวิเคราะห์รูปแบบไบนารีที่ไม่เชื่อถือ (DICOM, NIfTI, ONNX, safetensors) และเรียกใช้ไลบรารีเนทีฟ C/C++ เราออกแบบแซนด์บ็อกซ์ Linux แบบ Zero-Trust ที่รวม Rust Landlock LSM เข้ากับการบังคับใช้ผ่าน LSM eBPF ring-buffer</description>
      <category>ความมั่นคงปลอดภัยไซเบอร์</category>
    </item>
    <item>
      <title>ความทนทานต่อการโจมตีแบบปรปักษ์ในการถ่ายภาพทางการแพทย์ 3 มิติ: ปกป้อง Vision Transformer จากการรบกวนที่ตรวจไม่พบ</title>
      <link>https://devsecmed.com/th/blog/adversarial-robustness-3d-volumetric-medical-imaging-vit</link>
      <guid isPermaLink="true">https://devsecmed.com/th/blog/adversarial-robustness-3d-volumetric-medical-imaging-vit</guid>
      <pubDate>Wed, 28 Oct 2026 14:00:00 GMT</pubDate>
      <description>โมเดลแบ่งส่วนภาพ 3D Swin-UNETR เชิงปริมาตรทำคะแนน Dice ระดับแพทย์ผู้เชี่ยวชาญบนภาพ MRI สมองแบบมัลติมอดัล ทว่ายังเปราะบางภายใต้การรบกวน L-infinity ที่ต่ำกว่าสัญญาณรบกวนความร้อนของเซนเซอร์ เราอนุมานความสนใจเชิงปริมาตรที่ถูกจำกัดด้วยค่าคงตัวลิปชิตซ์ และประเมินขอบเขตการปรับให้เรียบแบบมีใบรับรอง</description>
      <category>ปัญญาประดิษฐ์ทางการแพทย์</category>
    </item>
  </channel>
</rss>