Neuste Artikel für Datenschutz

Kollaboratives Training von medizinischen Algorithmen bei gleichzeitiger Wahrung der Privatsphäre der Patienten.

Untersuchen der Beziehung zwischen Datenschutztechniken und Vorurteilen in Sprachmodellen.

AAggFF führt adaptive Strategien für eine gerechte Modellleistung im Föderierten Lernen ein.

Neue Methoden verbessern die Privatsphäre und Kohärenz mithilfe von Kollokationen in Sprachdaten.

Eine neue Methode zum Umschreiben von Text, die Privatsphäre gewährleistet und die Bedeutung beibehält.

Code-Poisoning erhöht die Risiken von Mitgliedschaftsinferenzangriffen auf sensible Daten.

Forschung zeigt, wie einfach Sicherheitsfunktionen von Llama 3-Modellen entfernt werden können.

Neue Techniken verbessern kollaborative genomische Studien und sorgen gleichzeitig für Datenschutz.

Eine neue Methode reduziert den Energieverbrauch und verbessert gleichzeitig die Lernergebnisse in dezentralen Systemen.

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.