Últimos artículos para Privacidad de datos

Explora la importancia de los puntajes de apalancamiento en el análisis de datos y la privacidad.

Examinando las vulnerabilidades en herramientas de autocompletado de código y su impacto en la privacidad del usuario.

Explorando medidas de seguridad en aprendizaje federado jerárquico contra varios ataques.

El Clustering Federado ayuda a analizar datos mientras mantiene la información sensible en privado.

Una mirada a los beneficios y desafíos del crowd-sensing, enfocándose en la privacidad y la participación del usuario.

Te presento DUCD, un método enfocado en la privacidad para proteger las DNNs de ataques adversariales.

Examinando problemas de copyright con el aprendizaje automático en la generación de contenido.

Un nuevo enfoque para detectar problemas en máquinas sin comprometer la privacidad de los datos.

Explorando la privacidad confusa y su papel en la protección de información sensible.

Examinando el papel de los modelos de lenguaje en la transformación de aplicaciones médicas.

Los investigadores pueden estudiar condiciones de salud sin acceder a los registros individuales de los pacientes.

Algoritmos innovadores para contar elementos distintos mientras se asegura la privacidad de los datos.

Un estudio detallado sobre la seguridad de los protocolos Olm y Megolm en Matrix.

Una guía sobre los requisitos éticos para desarrollar sistemas de IA responsables.

Un nuevo conjunto de datos simula diálogos entre psiquiatras y pacientes para la investigación en salud mental.

Explorando el desaprendizaje certificado y su papel en la protección de la privacidad de datos.

Un nuevo marco mejora la clasificación de audio aprovechando el conocimiento de dispositivos multimodales.

Nuevos métodos mejoran la privacidad al compartir datos de consumo eléctrico sin perder su utilidad.

Descubre cómo los modelos de lenguaje en los dispositivos mejoran la velocidad y la privacidad.

Este artículo explora la cuantización cero disparo y sus aplicaciones en imágenes infrarrojas.

Nuevas técnicas usando la distribución gamma mejoran la privacidad en conjuntos de datos sensibles.

Un enfoque innovador para mejorar la gestión de recursos en sistemas IoT.

Celtibero ofrece una fuerte protección contra ataques en sistemas de aprendizaje federado.

Nuevos métodos mejoran la precisión en el aprendizaje automático con poco etiquetado de datos.

Mejorando la precisión en el análisis de datos mientras se asegura la privacidad del usuario a través de ULDP.

Explora el enfoque del aprendizaje federado para la privacidad en el aprendizaje automático.

Un nuevo enfoque para mejorar la equidad y precisión en el reconocimiento facial.

Este artículo habla sobre un nuevo método para proteger los datos personales sin perder su utilidad.

Una plataforma web para el análisis privado de datos en salud y genómica.

Examinando la memorización en modelos de lenguaje y técnicas de muestreo.

OpenFGL ofrece un marco completo para evaluar métodos de aprendizaje federado de grafos de manera efectiva.

Este artículo habla sobre problemas éticos en la visión por computadora, centrándose en la privacidad y el sesgo.

Una solución para rastrear productos y mejorar la seguridad contra la falsificación.

Evaluando los obstáculos que enfrentan las organizaciones al aplicar privacidad diferencial en datos de encuestas.

Usar IA para simular datos y analizar conexiones emocionales en la salud mental.

Descubre cómo el Aprendizaje Federado mantiene los datos privados mientras permite la colaboración en IIoT.

Este artículo presenta un nuevo método para sistemas de diálogo realistas utilizando rasgos específicos del usuario.

Un nuevo método para adaptar modelos de deep learning a datos no etiquetados, asegurando la privacidad.

Un taller hablando sobre los desafíos y soluciones para los trabajadores de plataformas.

Una mirada a cómo la IA puede olvidar datos privados durante la restauración de imágenes.