Últimos artículos para Privacidad de datos

Una mirada a los desafíos y soluciones de privacidad e integridad en el aprendizaje federado.

Los modelos de VQA pueden exponer información privada a pesar de las técnicas avanzadas.

Las regulaciones guían el uso seguro y justo de las tecnologías de IA en diferentes sectores.

La investigación destaca la robustez del modelo y las defensas en el aprendizaje federado descentralizado.

Un nuevo método mejora el rendimiento de la IA usando conjuntos de datos públicos y a la vez protege la privacidad de los pacientes.

Nuevos métodos abordan los riesgos de privacidad en la predicción de datos de movimiento humano.

Este documento presenta métodos para mejorar el rendimiento del modelo mientras se garantiza la privacidad de los datos.

Un método nuevo para comparar mecanismos de privacidad en el aprendizaje automático.

Un nuevo método mejora la privacidad al entrenar modelos de aprendizaje profundo.

Este artículo habla sobre el desaprendizaje automático y sus implicaciones para la privacidad de los datos.

Un nuevo enfoque para mejorar la seguridad en el aprendizaje federado contra ataques de puerta trasera.

Un nuevo marco ayuda a los pequeños desarrolladores a crear RoPA usando experiencias de los usuarios.

Nuevos métodos para el aprendizaje federado mejoran la eficiencia y la privacidad en redes IoT.

Una mirada a la generación de datos sintéticos para la movilidad urbana y los desafíos de privacidad.

Nuevos métodos están garantizando la privacidad en la investigación de datos genómicos.

Presentando FedGTG para retener conocimiento mientras aprendes en entornos federados.

Nuevos métodos mejoran la protección de la privacidad en modelos de lenguaje grandes.

Un nuevo método mejora la seguridad de los modelos de aprendizaje profundo contra amenazas ocultas.

La generación de datos sintéticos ayuda a la investigación en salud y protege la privacidad de los pacientes.

Nuevos modelos mejoran la calidad de imagen de los tejidos para un mejor diagnóstico de enfermedades.

MedUniverse mejora las herramientas de imagen médica mientras protege la privacidad del paciente.

Este artículo habla sobre métodos de reentrenamiento usando predicciones de modelos para mejorar la precisión.

Descubre cómo los datos sintéticos ayudan a los minoristas a proteger la privacidad de los clientes mientras obtienen información valiosa.

Explorando los riesgos de privacidad en los datos sintéticos y presentando el Índice de Plagio de Datos.

Analizando técnicas efectivas de ataque backdoor clean-label en aprendizaje automático.

El aprendizaje federado mejora la imagen médica mientras protege los datos de los pacientes.

La encriptación de memoria ofrece una nueva forma de mantener los datos en la nube seguros y eficientes.

Entrenar DNNs en microcontroladores mejora la eficiencia y la privacidad en la tecnología inteligente.

Un enfoque novedoso utiliza estados cuánticos para comparar información privada de manera segura.

NeighborFL mejora la precisión de las predicciones de tráfico mientras protege la privacidad de los datos.

Examinando la importancia de la privacidad a través del desaprendizaje de identidad en el aprendizaje automático.

Un nuevo método mejora la eficiencia del desaprendizaje automático sin afectar el rendimiento del modelo.

Una mirada más cercana a los nuevos métodos para la anonimización de textos y sus beneficios.

Un método para mejorar el aprendizaje automático mientras se asegura la privacidad de los datos.

La colaboración en el cuidado de la salud a través del aprendizaje federado mejora la clasificación de imágenes médicas mientras se protege la privacidad.

PSVAE ofrece un método más rápido para crear datos tabulares sintéticos de alta calidad.

Un marco para evaluar modelos de Aprendizaje Federado en escenarios del mundo real.

Un nuevo método mejora la predicción de la duración de las estancias hospitalarias mientras protege la privacidad de los pacientes.

Un nuevo enfoque mejora el entrenamiento del modelo mientras protege la privacidad de los datos.

Un estudio sobre las características del tráfico de red de dispositivos médicos para mejorar la seguridad.