Últimos artículos para Privacidad de datos

Este estudio mejora el aprendizaje distribuido a través del uso efectivo de actualizaciones ponderadas en la Retroalimentación de Errores.

Un estudio sobre la equidad de las políticas de privacidad y su impacto en la confianza del usuario.

Explorando las ideas recientes sobre datos sintéticos y los desafíos de privacidad.

Un nuevo esquema mejora la seguridad y la privacidad en redes de pequeñas celdas.

Un nuevo mecanismo mejora la generación de datos sintéticos mientras protege la privacidad individual.

Nuevos métodos mejoran la capacidad de la IA para olvidar datos mientras mantienen el rendimiento.

Examinando el impacto de los datos previos en la privacidad diferencial en ataques de reconstrucción de imágenes.

Un nuevo enfoque para simplificar los acuerdos de acceso a datos.

Nuevos métodos buscan mejorar la eliminación de datos en modelos de lenguaje sin afectar el rendimiento.

Un nuevo método mejora la privacidad en el aprendizaje federado contra ataques de inversión de gradiente.

Explorando nuevas preocupaciones de privacidad en el uso de modelos de difusión.

Nuevos métodos mejoran el aprendizaje del modelo al incluir dispositivos más lentos en el aprendizaje federado.

Investigación sobre el uso de relojes inteligentes y la comodidad de compartir datos entre los usuarios.

Un enfoque novedoso para mejorar las habilidades de resumen en modelos más pequeños usando modelos más grandes.

Un marco propuesto mejora la seguridad del aprendizaje federado contra ataques adversariales.

Un nuevo método para gestionar el flujo de datos respetando las elecciones de privacidad del usuario.

Este marco permite el entrenamiento colaborativo de modelos mientras se garantiza la privacidad de los datos y la integridad del modelo.

Aprende cómo los frameworks de programación mejoran la privacidad diferencial para el análisis de datos.

Los LLMs van a mejorar la privacidad y la funcionalidad en los dispositivos móviles.

Explorando métodos para mejorar la privacidad en el aprendizaje descentralizado sin perder rendimiento.

El "machine unlearning" permite que los modelos olviden datos, lo cual es esencial para cumplir con la privacidad de los datos.

Nuevos métodos mejoran la seguridad de datos y la eficiencia para la tecnología inteligente.

Los investigadores proponen entrenar modelos con imágenes alteradas para minimizar problemas de copyright.

El aprendizaje federado mejora la cooperación entre vehículos autónomos en condiciones climáticas difíciles.

Un estudio revela nuevas técnicas para ataques de puerta trasera en modelos de lenguaje con un impacto mínimo.

Una mirada a los riesgos y evaluaciones de los Modelos de Lenguaje Grandes en seguridad.

Un nuevo marco para el análisis seguro de datos de usuarios en bases de datos no confiables.

HETAL mantiene los datos de los clientes seguros mientras entrena modelos de aprendizaje automático.

Un nuevo método para la localización segura sin comprometer datos sensibles.

FedMef mejora el aprendizaje federado para dispositivos de bajos recursos a través de técnicas de poda innovadoras.

Examinando las preocupaciones éticas de los Modelos de Lenguaje Grande en medicina.

Nuevos métodos protegen los datos personales en la generación de imágenes.

PMixED mejora la privacidad sin sacrificar el rendimiento en modelos de lenguaje grandes.

Explorando LF QSDC como una solución segura para Web 3.0.

Este artículo examina los problemas de licencia de código en el entrenamiento de modelos de IA.

Un nuevo método protege las preferencias personales mientras permite clasificaciones útiles.

Mejorando los sistemas de seguimiento ocular a través de métodos de entrenamiento innovadores y mezcla de datos.

Un nuevo marco para entrenar modelos sin compartir datos sensibles.

Aprende cómo las oraciones fantasma pueden ayudar a los usuarios a proteger su información personal en línea.

Un método para generar datos sintéticos usando redes bayesianas para proteger la privacidad mientras se permite el análisis.