Neuste Artikel für Datenschutz

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.

Eine neue Methode geht die Datenprobleme in der KI für das Gesundheitswesen an.

Neue Methoden für statistische Tests bei gleichzeitiger Datenprivatsphäre durch föderiertes Lernen.

Herausforderungen und Fortschritte beim Schutz sensibler Daten, während deren Nützlichkeit erhalten bleibt.

Die Herausforderung, differential privacy mit sublinearen Algorithmen in der Datenanalyse zu kombinieren.

Ein Blick auf föderiertes Lernen, das Differenzialschutz und Blockchain für Datensicherheit kombiniert.

Eine Studie über föderierte Lernsysteme, die Blockchain für sichere Zusammenarbeit nutzen.

Erkunde die Grundlagen des Föderierten Lernens und seine Bedeutung für den Datenschutz.

Ein neues Framework bewertet Methoden zur Anonymisierung biometrischer Daten, um die Privatsphäre zu verbessern.

Untersuchung von Methoden zum Schutz der Privatsphäre in Deep-Learning-Anwendungen mit visueller Informationsverschlüsselung.

Ein neues Modell verbessert den Datenschutz und steigert gleichzeitig die Genauigkeit von maschinellem Lernen.

Benutzung von nutzerbezogener differenzieller Privatsphäre beim Training von grossen Sprachmodellen.

Eine Methode zur Verbesserung des Modelltrainings mit teilweise gekennzeichneten medizinischen Bildern.

Die Vorteile von Federated Learning zur Anomalieerkennung in IoT-Netzwerken erkunden.

EFVFL bietet eine stabile Methode für effiziente Kommunikation, ohne private Daten zu teilen.

Ein Blick auf die Herausforderungen und Lösungen von Datenschutz und Integrität beim föderierten Lernen.

VQA-Modelle können private Informationen offenbaren, trotz fortschrittlicher Techniken.

Vorschriften leiten die sichere und faire Nutzung von KI-Technologien in verschiedenen Sektoren.