Neuste Artikel für Datenschutz

Forschung zur Nutzung von Smartwatches und dem Komfort beim Teilen von Daten unter Nutzern.

Ein neuer Ansatz, um die Zusammenfassungsfähigkeiten in kleineren Modellen mit Hilfe von grösseren Modellen zu verbessern.

Ein vorgeschlagenes Framework verbessert die Sicherheit für föderiertes Lernen gegen Angriffe von Gegnern.

Eine neue Methode zur Verwaltung des Datenflusses unter Berücksichtigung der Datenschutzentscheidungen der Nutzer.

Dieses Framework ermöglicht kollaboratives Training von Modellen und sorgt gleichzeitig für Datenschutz und Integrität der Modelle.

Lern, wie Programmierframeworks die differenzielle Privatsphäre für Datenanalyse verbessern.

LLMs werden die Privatsphäre und Funktionalität auf mobilen Geräten verbessern.

Methoden erkunden, um die Privatsphäre im dezentralen Lernen zu verbessern, ohne die Leistung zu beeinträchtigen.

Maschinen-Unlearning ermöglicht es Modellen, Daten zu vergessen, was für die Einhaltung des Datenschutzes wichtig ist.

Neue Methoden verbessern die Datensicherheit und Effizienz für smarte Technologien.

Forscher schlagen vor, Modelle mit veränderten Bildern zu trainieren, um Urheberrechtsprobleme zu minimieren.

Federated Learning verbessert die Zusammenarbeit zwischen autonomen Fahrzeugen bei schlechtem Wetter.

Eine Studie zeigt neue Techniken für Backdoor-Angriffe auf Sprachmodelle mit minimalen Auswirkungen.

Ein Blick auf die Risiken und Bewertungen von grossen Sprachmodellen in der Sicherheit.

Ein neues Framework für die sichere Analyse von Nutzerdaten in unsicheren Datenbanken.

HETAL hält Kundendaten während des Trainierens von Machine-Learning-Modellen sicher.

Eine neue Methode für sichere Lokalisierung, ohne sensitive Daten zu gefährden.

FedMef verbessert federiertes Lernen für ressourcenschwache Geräte durch innovative Pruning-Techniken.

Die ethischen Bedenken von grossen Sprachmodellen in der Medizin untersuchen.

Neue Methoden schützen persönliche Daten bei der Bildgenerierung.

PMixED verbessert die Privatsphäre, ohne die Leistung bei grossen Sprachmodellen zu opfern.

LF QSDC als sichere Lösung für Web 3.0 erkunden.

Dieser Artikel behandelt Lizenzierungsfragen von Code beim Training von KI-Modellen.

Eine neue Methode schützt persönliche Vorlieben und ermöglicht gleichzeitig nützliche Ranglisten.

Verbesserung von Eye-Tracking-Systemen durch innovative Trainingsmethoden und Datenmischung.

Ein neues Framework zum Trainieren von Modellen, ohne sensible Daten zu teilen.

Lern, wie Geister-Sätze den Nutzern helfen können, ihre persönlichen Daten online zu schützen.

Eine Methode zur Generierung synthetischer Daten mithilfe von Bayes'schen Netzwerken, um die Privatsphäre zu schützen und gleichzeitig Analysen zu ermöglichen.

Ein frischer Ansatz zur Verbesserung der Privatsphäre im IoT durch Hardware-Design.

Innovative Protokolle verbessern maschinelles Lernen und schützen gleichzeitig sensible Daten.

Erforsche stochastisches Gradient-Langevin-Unlearning für Datenschutz im maschinellen Lernen.

Eine neue Methode verbessert den Datenschutz beim Online-Föderierten Lernen und passt sich an veränderte Daten an.

Dieser Artikel erklärt, wie Deep Support Vectors das Verständnis von AI-Entscheidungen verbessern.

Dieser Artikel bewertet, wie gut grosse Sprachmodelle sensible Informationen schützen.

Ein neuer Ansatz, um Video-Streaming zu optimieren und gleichzeitig die Privatsphäre der Nutzer zu gewährleisten.

Data Mesh verändert das Datenmanagement, indem es Teamverantwortung und Zusammenarbeit fördert.

Ein neues Modell soll die Datenschutzrichtlinien für die Nutzer einfacher machen.

Synthetic Data bietet vielversprechende Möglichkeiten zur Verbesserung der Forschung über krebskranke Jugendliche.

Dieser Artikel behandelt die ethischen Bedenken beim Einsatz von LLMs in der Forschung.

Untersuchung von Inhalt und Bewegungsreplikation in Video-Generierungsmodellen.