Últimos artículos para Privacidad

Examinando las vulnerabilidades del redondeo aleatorio en los datos del censo canadiense.

Nuevos métodos buscan mejorar la seguridad y la privacidad en la comunicación V2X.

Explora el ataque de robo de enlaces por inyección de nodos y las preocupaciones de privacidad en las GNNs.

Una mirada a los beneficios y riesgos de ChatGPT en varios campos.

Abordando los desafíos de privacidad que enfrentan los grupos marginados en entornos en línea.

El Aprendizaje Federado mejora la precisión estadística mientras protege la privacidad individual en la recolección de datos.

Explorando problemas de privacidad en el ajuste de modelos de IA como GPT-3.

Los FPGAs mejoran la eficiencia y seguridad de los procesos de Aprendizaje Federado.

Los CDMs ayudan a proteger datos de entrenamiento sensibles mientras generan imágenes de alta calidad.

Examinando la privacidad de los usuarios y la vigilancia entre pares en comunidades en línea basadas en la identidad.

Cómo la información sobre otros viajeros puede mejorar las experiencias en vehículos automáticos compartidos.

Examinando el uso de decoraciones en enlaces para el seguimiento en línea.

AIGC redefine cómo generamos contenido digital de manera eficiente.

Analizando cómo los datos de conteo de pasos pueden exponer información personal y riesgos de privacidad.

Un estudio revela cómo el recuerdo de las conversaciones por parte de los chatbots afecta la participación de los usuarios y la privacidad.

Esta investigación se centra en mejorar la eficiencia y la privacidad en el aprendizaje federado mediante métodos de compresión adaptativa.

Explora los desafíos y beneficios invisibles de usar motores de búsqueda hoy.

Nuevos métodos buscan ocultar las identidades de los hablantes mientras mantienen la claridad del habla.

Un método para encontrar promedios a partir de datos variados de usuarios sin comprometer la privacidad.

La investigación explora el equilibrio en modelos de lenguaje multilingües para la equidad y la privacidad.

SplitWiper mejora el olvido en el aprendizaje automático, asegurando la privacidad de los datos y la eficiencia.

Examinando los riesgos de reidentificación en sentencias judiciales anonimadas usando modelos de lenguaje.

Explorando los beneficios del aprendizaje dividido para el entrenamiento de modelos de salud seguros.

Un nuevo método mejora la privacidad y permite un mejor uso de los datos de salud.

Examinando las amenazas a la privacidad que supone la recolección de datos en vehículos inteligentes.

Un nuevo método minimiza el sesgo mientras mantiene la privacidad en el aprendizaje automático.

Este artículo examina los riesgos de revelar los votos individuales en las elecciones.

FAM mejora el entrenamiento del modelo de IA mientras mantiene la privacidad de los datos de los pacientes.

Proteger las ubicaciones de los usuarios principales mientras se asegura la eficiencia en la comunicación para los usuarios secundarios.

Examinando los riesgos de privacidad en el aprendizaje federado y la necesidad de mejorar las defensas.

Explorando la importancia y los desafíos de la pseudonimización en el intercambio de datos de investigación.

Una mirada a combinar el aprendizaje dividido y la encriptación para mejorar la privacidad de los datos.

Este estudio analiza la relación entre usuarios de dinero móvil y agentes.

Aprende cómo el análisis federado mantiene los datos médicos seguros mientras ofrece información.

Abordando las amenazas de privacidad durante las migraciones de gemelos digitales en el transporte inteligente.

FCCA mejora la precisión del modelo mientras garantiza la privacidad del usuario en el aprendizaje federado.

Un nuevo método mejora la privacidad de las imágenes recolectadas por cámaras ojo de pez en coches autónomos.

Nuevos métodos mejoran la eficiencia del aprendizaje federado mientras aseguran la privacidad de los datos.

Una herramienta para ayudar a los desarrolladores a cumplir con las pautas de aplicaciones de voz.

UFed-GAN permite aprender de datos manteniendo la privacidad y minimizando las demandas de computación.