Neuste Artikel für Datenschutz

Neuromorphe Kameras bieten fortschrittliche Bildgebung, werfen aber Datenschutzbedenken auf.

Ein frischer Blick auf die Anonymisierung von Sprechern und die wichtige Rolle von Vocodern.

Die Balance zwischen Privatsphäre und Fairness in föderierten Lernmodellen untersuchen.

Ein Blick darauf, wie man die Privatsphäre von Ethereum-Nutzern durch innovative Simulationen verbessern kann.

Eine neue Methode verbessert medizinische Modelle, während sie die Patientendaten geheim hält.

Ein neuer Ansatz unterstützt die Videoaktivitätserkennung und schützt gleichzeitig die Privatsphäre der Nutzer.

FADI bietet eine neue Möglichkeit, grosse Datensätze zu analysieren und gleichzeitig die Privatsphäre zu wahren.

Untersuchung des Zusammenspiels von Fairness, Privatsphäre und prädiktiver Leistung im maschinellen Lernen.

Ein neues Modell geht auf Datenschutzbedenken in smarten Gesundheitsnetzwerken ein, indem es Blockchain und vertrauensbasierte Ansätze nutzt.

Die Blockchain-Technologie verändert die Sicherheit in der ÖL- und Gasversorgungskette.

Ein Blick darauf, wie man die VFL-Geschwindigkeit verbessern kann, ohne die Datensicherheit zu gefährden.

Lerne, wie synthetische Daten die Privatsphäre in langfristiger Forschung schützen können.

In diesem Artikel geht's um Methoden, um die Privatsphäre im Maschinenlernen zu schützen, indem Textdaten verändert werden.

KI-Software verbessert die Verarbeitung von medizinischen Berichten für eine bessere Patientenversorgung.

Untersuchen, wie neuronale Netzwerke Trainingsdaten abrufen können und welche Datenschutzrisiken dabei entstehen.

Ein neues Framework ermöglicht massgeschneiderte Generierung von synthetischen Daten, um unterschiedlichen organisatorischen Bedürfnissen gerecht zu werden.

Ein neuer Ansatz verbessert die Spracherkennung direkt auf Smartphones und schützt dabei die Privatsphäre der Nutzer.

Untersuchung der Herausforderungen von RTBF im Zusammenhang mit grossen Sprachmodellen.

Dieser Artikel untersucht die Auswirkungen von LLMs auf Forschungsmethoden und ethische Überlegungen.

Untersuchung von Methoden, um persönliche Daten effektiv aus KI-Modellen zu entfernen.

Ein neuer Cloud-Service verbessert die Verarbeitung medizinischer Bilder und schützt dabei die Privatsphäre der Patienten.

Studie zeigt, dass sich die öffentliche Einstellung zu COVID-19-Apps im Laufe der Zeit verändert hat.

Diese Forschung bietet eine Möglichkeit, natürliche Dialoge zu erzeugen und dabei die Privatsphäre zu respektieren.

Ein neuer Ansatz für sichere Abrechnung im Peer-to-Peer-Energiemarkt.

Dieser Artikel bespricht die Probleme und Strategien zur Umsetzung von verantwortungsvollen KI-Werten.

Eine Studie über die Wahrnehmung von Gesichtserkennungstechnologie in Saudi-Arabien im Vergleich zu den USA.

Diese Forschung stellt eine Methode vor, um Gemeinschaften zu erkennen und gleichzeitig die Datenprivatsphäre zu wahren.

Lern, wie STAR-RIS-Technologie die Privatsphäre in semantischen Kommunikationssystemen verbessert.

Untersuchung des Gleichgewichts zwischen Datenaustausch und Patientenschutz in der biomedizinischen Forschung.

Ein neues System schützt Gesichtsbilder vor unbefugter Erkennung.

Die Untersuchung von Datenschutz- und Sicherheitsrisiken in virtuellen Gesundheitsumgebungen.

Dieser Artikel behandelt Importance Sampling und dessen Rolle beim Schutz der Datensicherheit.

Kombination von neuronalen Netzen und symbolischem Reasoning, um KI in der Cybersicherheit zu verbessern.

Untersuchung der Sensorauswahl, um effektive Verhaltensüberwachung zu gewährleisten und dabei die Privatsphäre zu respektieren.

Untersuchung der Schwächen des zufälligen Rundens in den kanadischen Volkszählungsdaten.

Neue Methoden zielen darauf ab, die Sicherheit und Privatsphäre in der V2X-Kommunikation zu verbessern.

Erforsche den Node Injection Link Stealing-Angriff und die Datenschutzbedenken in GNNs.

Ein Blick auf die Vorteile und Risiken von ChatGPT in verschiedenen Bereichen.

Die Privatsphäre-Herausforderungen für marginalisierte Gruppen in Online-Umgebungen angehen.

Federated Learning verbessert die statistische Genauigkeit und schützt gleichzeitig die Privatsphäre der Einzelnen bei der Datensammlung.