Últimos artículos para Privacidad de datos

Explorando el control federado en el aprendizaje por refuerzo para que los agentes trabajen juntos de manera segura.

Olvidar mejora el aprendizaje en humanos y modelos de máquina, mejorando la adaptabilidad y el rendimiento.

Un nuevo método mejora la privacidad de los datos para el análisis de datos discretos.

SpaFL mejora la comunicación y la computación en el Aprendizaje Federado mientras protege los datos personales.

LayerCAM-AE mejora la detección de actualizaciones maliciosas en el aprendizaje federado mientras preserva la privacidad de los datos.

La investigación busca equilibrar la privacidad y la precisión en los métodos de estimación de la media vectorial.

Los contrafactuales revelan información pero plantean riesgos de privacidad en el aprendizaje automático.

Examinando los riesgos y el mal uso de los grandes modelos de lenguaje en el cibercrimen.

Un nuevo método aborda los errores inalámbricos en el aprendizaje federado para dispositivos IoT.

Este artículo habla sobre la privacidad y el sesgo en los algoritmos predictivos para datos sensibles.

Un nuevo método mejora las predicciones del modelo para una mejor adaptación sin datos de origen.

Un nuevo marco mejora la creación de datos sintéticos mientras protege la información personal.

Un nuevo enfoque de múltiples servidores mejora la eficiencia y velocidad del aprendizaje federado.

Presentamos PrivacyRestore para proteger los datos de los usuarios mientras usan modelos de lenguaje grandes.

Este estudio trata sobre las dificultades de desaprender datos de los modelos de aprendizaje automático.

Métodos para estimar las características de un conjunto de datos mientras se mantiene segura la información individual.

Nuevo método mejora el aprendizaje federado mientras protege la privacidad del usuario.

Aumentar las rondas de comunicación reduce costos y mejora el rendimiento del modelo en el aprendizaje federado.

Un nuevo enfoque para mejorar las experiencias específicas de los usuarios en los modelos de lenguaje.

Una mirada a los métodos de privacidad y su efectividad en el intercambio de datos.

Un nuevo método mejora la protección de la privacidad mientras entrena modelos de aprendizaje profundo.

Una mirada a nuevos métodos para medir anuncios que priorizan la privacidad del usuario.

Este artículo trata sobre cómo simular datos de clientes para un aprendizaje federado más rápido.

Nuevos métodos en el Aprendizaje Federado mejoran la privacidad y el rendimiento del modelo al manejar datos diversos.

Explora los desafíos de privacidad que plantean los ataques de inferencia en modelos de aprendizaje automático.

Un nuevo marco mejora la precisión de las predicciones y la privacidad de los datos en el aprendizaje federado.

Presentando nuevos métodos para mejorar los procesos de olvido en modelos de aprendizaje contrastivo.

Un nuevo método de ataque genera preocupaciones sobre la privacidad en los modelos de comprensión de documentos.

Explorando el aprendizaje federado y el desaprendizaje para la privacidad del usuario y la integridad del modelo.

Presentando un método para ajustar LLMs en dispositivos con pocos recursos.

Un estudio sobre cómo mejorar los modelos de aprendizaje federado para dispositivos con recursos limitados.

Un nuevo método arroja luz sobre cómo los modelos de lenguaje recuerdan los datos de entrenamiento.

Un nuevo método crea intervalos de predicción confiables usando datos diversos y asegurando la privacidad.

Aprende sobre las cookies, sus riesgos y cómo proteger tu privacidad.

Un estudio sobre cómo preservar la privacidad al analizar datos sensibles usando técnicas de privacidad diferencial.

Nuevo marco permite un aprendizaje eficiente de enfermedades sin almacenar datos pasados.

El aprendizaje automático cuántico ofrece nuevas formas de proteger datos sensibles.

Un nuevo marco mejora las recomendaciones mientras protege la privacidad del usuario.

Un enfoque estructurado para el diseño y la validación responsable de IA.

Un análisis de cómo los servicios en línea manejan la privacidad de los datos de los niños.