Neuste Artikel für Datenschutz

Eine neue Methode bringt erhebliche Risiken für die Privatsphäre im föderierten Lernen mit sich.

LightTR verbessert die Trajektorienerfassung mithilfe von föderiertem Lernen und schützt dabei die Privatsphäre der Nutzer.

Mind-Animator stellt Videos mithilfe von Gehirnaktivität, die durch fMRI gemessen wird, wieder her.

Medienorganisationen erstellen Richtlinien für den verantwortungsvollen Einsatz von KI im Journalismus.

Verwendung von Generativer KI und MoE für verbesserte Kommunikationssicherheit.

Neue Methode verbessert die Effizienz bei der Geräteauswahl im föderierten Lernen.

Eine neue Methode kümmert sich um Datenschutz und Fairness in Regressionsmodellen mit innovativen Anpassungen.

Neue Methode schützt die Privatsphäre und ermöglicht es Sprachmodellen, aus Beispielen zu lernen.

Ein Rahmenwerk für sicherere Datenverarbeitung im Machine Learning.

Induktive GNNs haben mit Datenschutzproblemen durch Link-Diebstahl-Angriffe zu kämpfen.

Eine neue Methode, die den Datenschutz im Gesundheitswesen verbessert und die Zusammenarbeit zwischen Institutionen fördert.

Diese Studie untersucht die Rolle von Federated Learning bei der Dokumenten-Visuellen-Fragen-Beantwortung.

Schattenfreie MIAs zeigen Schwachstellen in Nutzer-Empfehlungssystemen auf.

Ein neuer Ansatz, um die Verfügbarkeit von Klienten im föderierten Lernen zu verbessern.

Ein neues Framework erzeugt Daten zur menschlichen Mobilität und schützt dabei die Privatsphäre der Einzelnen.

Ein neues Protokoll verbessert den Datenschutz und die Effizienz im dezentralen Lernen.

Ein Blick auf die Risiken von Membership Inference Attacks für den Datenschutz.

Ein Blick darauf, wie Sparse Modelle die Effizienz des föderierten Lernens verbessern.

Neues KI-Modell verbessert die Diagnose von Knochenproblemen mithilfe von Röntgen- und Berichtsdatens.

Lern, wie differenzielle Privatsphäre die Datensicherheit bei LLS-Regression verbessern kann.

Ein System, das aus Patientendaten lernt und dabei den Datenschutz sicherstellt.

KI-Profis teilen ihre Meinungen zu vertrauenswürdiger KI und ihren Herausforderungen.

Ein neuer Ansatz kombiniert Datenschutzmassnahmen mit kontextuellem Banditenlernen.

Eine neue Methode zur Erkennung von Fehlverhalten bei Fahrzeugen, während die Privatsphäre geschützt bleibt.

Eine Studie zur Verbesserung der Video-Streaming-Erkennung bei gleichzeitiger Wahrung der Privatsphäre der Nutzer.

Eine Methode, um Identitäten aus generativen Modellen zu löschen, während die Bildqualität erhalten bleibt.

Neue Methoden verbessern die Genauigkeit bei der Schätzung der Join-Grösse und schützen gleichzeitig sensible Daten.

Eine Strategie, um sensible Verbindungen in Graphdaten zu schützen und dabei nützliche Informationen freizugeben.

Ein Blick auf differenzielle Privatsphäre und ihre Anwendung im maschinellen Lernen.

Eine neue Methode verbessert das dezentrale föderierte Lernen und bewahrt dabei die Datensicherheit.

Ein neuer Ansatz verbessert die Eindringungserkennung in dezentralen Systemen.

Die Verbesserung von mobilen Sensoranwendungen durch ein neues Framework zur Verwaltung fehlender Daten.

Diese Studie untersucht, wie Creator reagieren, wenn ihre Werke für das Training von KI verwendet werden.

Dieses Papier präsentiert EFRAP, eine Verteidigung gegen quantisierungsbedingte Hintertürenangriffe in Deep-Learning-Modellen.

Eine neue Methode verbessert die Fähigkeit von Modellen, bestimmte visuelle Informationen zu vergessen.

Methoden zur Bereitstellung zuverlässiger Bevölkerungsschätzungen bei gleichzeitiger Gewährleistung der Vertraulichkeit der Befragten.

Forschung verbessert die EKG-Interpretation und sorgt gleichzeitig für den Datenschutz der Patienten.

Ein neues Framework verbessert das federierte Lernen und verhindert Vergesslichkeit bei KI-Modellen.

Eine Studie zeigt den WordGame-Angriff, der Schwächen in den Sicherheitsmassnahmen von LLM ausnutzt.

Erforschen, wie federated Learning den Datenschutz im Gesundheitswesen verbessern kann.