Neuste Artikel für Datenschutz

Föderiertes Lernen bietet ne Möglichkeit, Daten zu nutzen und dabei die Privatsphäre der Nutzer zu wahren.

Dieses Papier behandelt den Poisson-Mechanismus zur Wahrung der Privatsphäre bei der Datensynthese.

Eine neue Methode verbessert die sichere Datenanalyse und schützt dabei die Privatsphäre.

Techniken erkunden, um Daten effektiv aus KI-Modellen zu entfernen.

Die Rolle von spiking neural networks im vertikalen föderierten Lernen für Datenschutz erkunden.

Ein webbasiertes Tool, das die Bildanalyse für Wissenschaftler ohne Programmierkenntnisse zugänglich macht.

Die Nutzung von Wasserzeichen, um Urheberrechtsprobleme bei Sprachmodellen anzugehen.

Dieser Artikel behandelt die Sicherheitsherausforderungen und Testmethoden für 5G-Netzwerke.

Ein neues System verbessert die ML-Inferenzgeschwindigkeit und schützt dabei die Datensicherheit.

Ein neuer synthetischer Datensatz ermöglicht präzise Kopfdetektion und 3D-Modellierung.

Ein Blick auf den Ansatz des Shuffle-Modells zum Schutz der Privatsphäre der Nutzerdaten.

Neue Methode verbessert die Generierung synthetischer Daten und sorgt gleichzeitig für Datenschutz.

Ein Rahmen für die ethische KI-Entwicklung in Gesundheitssystemen.

Eine detaillierte Studie darüber, wie Modelle Texte auswendig lernen und welche Auswirkungen das hat.

Erforschen von Quantenlokaler Differentialprivatsphäre zum Schutz von quanten Daten.

Neue Techniken verbessern die Gesichtsbildgenerierung zur Erkennung genetischer Erkrankungen.

Neue Methoden verbessern den Datenschutz und die Kommunikation im föderierten Lernen.

Untersuchung der Datenschutzbedrohungen durch EKG-Daten im Gesundheitswesen.

Diese Studie untersucht die Datenschutzunterschiede zwischen dezentralem und zentralisiertem föderierten Lernen.

Untersuchung der differenziellen Privatsphäre in der Verarbeitung natürlicher Sprache für besseren Datenschutz.

Dieser Artikel untersucht, wie das Verunstalten die Qualitätsbewertungen von MRI-Bildern beeinflusst.

Untersuchung von Datenschutzbedrohungen, die mit sozialen Verbindungen in digitalen Räumen verbunden sind.

Ein Framework verbessert die Sicherheit in vernetzten Fahrzeugen und schützt gleichzeitig die Privatsphäre der Nutzer.

Innovative Methoden verbessern die Website-Identifizierung durch Netzwerkverkehrsanalyse.

Defogger bietet neue Strategien, um mit sensiblen Daten zu arbeiten und dabei die Privatsphäre zu wahren.

Dieser Artikel behandelt Methoden des föderierten Lernens und deren Auswirkungen auf die Privatsphäre und die Nützlichkeit des Modells.

Untersuchung von kollaborativen CP-NIZKs für verbesserten Datenschutz und Effizienz bei Beweisen.

Diese Studie untersucht die Effektivität von Clean-Label-Physischen Backdoor-Angriffen in tiefen neuronalen Netzwerken.

Die FairJob-Datenbank checken, um gerechte Jobchancen für alle zu garantieren.

Eine neue Methode zur sicheren Schlüsselgenerierung zwischen Geräten in drahtlosen Netzwerken.

Neues Framework ermöglicht effiziente Entfernung sensibler Daten aus Graph-Neuronalen Netzwerken.

Maschinen-Unlearning erkunden und deren Rolle bei der Verbesserung der Sicherheit und Privatsphäre von generativer KI.

Eine neue Methode sorgt für sicheres Namensmatching und schützt dabei sensible Daten.

OpenUAS bietet einen detaillierten Überblick über die Nutzung von städtischen Gebieten in Japans grossen Städten.

LocPIR verbessert die Privatsphäre in standortbasierten Diensten durch fortschrittliche Verschlüsselung.

Dieses Framework verbessert den Zugriff auf AI-Modelle und die Effizienz durch hybrides Sharding.

Ein neuer Ansatz hebt überraschende Tokens hervor, um die Trainingsdaten von Sprachmodellen zu bewerten.

Dieser Artikel behandelt eine Methode, um Hintertüren während des Trainings in neuronale Netzwerke einzuführen.

Neue Methoden erkennen und reagieren auf das Auswendiglernen in KI-generierten Inhalten.

Prinzipien für ethische Beziehungen zwischen Menschen und ihren Daten erkunden.