Neuste Artikel für Datenschutz

QUEEN bietet Echtzeitschutz gegen Angriffe zur Modellentziehung im Deep Learning.

Feinabstimmung grosser Sprachmodelle direkt auf Smartphones, während die Nutzerdaten geschützt bleiben.

Eine neue Methode für effiziente Datenabfrage in dezentralen Umgebungen.

Ein Rahmen für die sichere Weitergabe von Gesundheitsinformationen, während die Privatsphäre der Patienten geschützt wird.

Dieser Artikel untersucht die Vorteile von FP8 im föderierten Lernen.

Ein Blick darauf, wie Sprachmodelle sensible Daten ausplaudern können.

Dieser Artikel untersucht die Risiken, die mit LLMs verbunden sind, und schlägt Wege vor, um die Sicherheit zu verbessern.

Die rechtlichen Herausforderungen, die durch die schnelle Entwicklung von generativer KI entstehen.

Ein neues Framework verbessert das föderierte Lernen und sorgt gleichzeitig für Datensicherheit.

Diese Studie bewertet fortgeschrittene Modelle zur Erstellung von gefälschten Reisedaten und deren praktische Anwendungen.

Venomancer ist ein heimlicher Hintertürangriff auf föderierte Lernsysteme.

CLAMP-ViT bietet eine neue Möglichkeit, Vision-Transformers mit synthetischen Daten zu komprimieren.

Ein Erkennungssystem verbessert die Fahrzeugsicherheit gegen Cyber-Bedrohungen mithilfe fortschrittlicher Techniken.

Neue Radar-Technologie überwacht die Herzfrequenz durante Schlaf und Meditation ohne Unbehagen.

Zero-X verbessert die Cybersicherheit für vernetzte Fahrzeuge gegen aufkommende Bedrohungen.

Ein neues Framework verbessert die Effizienz im föderierten Edge Learning, indem es Ressourcen und Daten optimiert.

Untersuchung von Mitgliedschaftsinferenzangriffen auf Zeitreihenprognosemodelle im Gesundheitswesen.

Die Sicherheit von Smart Grids verbessern mit Honeypots und föderierten Lernansätzen.

Eine Übersicht über Methoden zum Schutz persönlicher Informationen, während die Nützlichkeit der Daten erhalten bleibt.

Eine Methode zur Schätzung von Gemeinschaftszugehörigkeiten, während die Privatsphäre der Einzelnen geschützt wird.

AntibotV bekämpft Bot-Malware-Bedrohungen in vernetzten Autos durch fortschrittliches Monitoring.

Städte bekommen wichtige Verkehrsdaten, während sie sich um Datenschutz kümmern.

Diese Methode verbessert die Kommunikations-Effizienz im föderierten Lernen und schützt gleichzeitig die Datensicherheit.

Die Sorgen wachsen über Hintertürangriffe in Sprachmodellen, die Sicherheit und Zuverlässigkeit beeinträchtigen.

Eine Methode zum Berechnen von Durchschnitten, während die Knotendaten privat bleiben.

Untersuchung der Effektivität von Differential Privacy zum Schutz individueller Identitäten in SOEP-Daten.

Ein neues Modell verbessert die Echtzeit-Erkennung von Cyberangriffen auf Blockchain-Netzwerke.

FedSat geht die Datenherausforderungen im föderierten Lernen an, sorgt für Datenschutz und bessere Leistung.

Eine neue Methode für verbessertes Sampling im maschinellen Lernen mit erhöhter Privatsphäre.

MSfusion ermöglicht es ressourcenbegrenzten Geräten, grosse Modelle gemeinsam zu trainieren.

Neue Methode verbessert die Modellleistung bei unbekannten Daten.

AFIND+ verbessert dezentrales föderiertes Lernen, indem es die Nachbarnauswahl und die Update-Aggregation optimiert.

Ein neues Tool automatisiert die Anonymisierung von medizinischen Unterlagen zum Schutz der Privatsphäre.

Untersuche verschiedene Jailbreak-Angriffe auf Sprachmodelle und deren Abwehrmassnahmen.

Ein neuer Ansatz verbessert das föderierte Lernen, indem er synthetische Daten generiert und dabei die Privatsphäre schützt.

Diese Studie untersucht, wie das Netzwerk-Layout das dezentrale föderierte Lernen unter byzantinischen Bedrohungen beeinflusst.

pFedDIL verbessert das maschinelle Lernen, indem es Wissen behält und sich an neue Aufgaben anpasst.

Forschung untersucht generative KI, um innere Mundstrukturen anhand von Gesichtsausdrücken zu simulieren.

Analyzieren von Schwachstellen in LLMs wegen menschlicher Präferenzdaten.

Ein neues Framework für die Kommunikation von Agenten, das sich auf Privatsphäre und Konsistenz konzentriert.