Últimos artículos para Privacidad de datos

Este estudio examina un método para mejorar la detección de enfermedades usando datos multimodales.

Examinando modelos generativos para datos de expresión génica sintética mientras se asegura la privacidad del paciente.

Una inmersión profunda en los aspectos clave y desafíos del aprendizaje federado descentralizado.

Explorando cómo la Privacidad Diferencial protege los datos personales mientras ofrece información valiosa.

Un nuevo método mejora la privacidad de los datos y la eficiencia del entrenamiento en el aprendizaje descentralizado.

Flashback aborda el olvido en el Aprendizaje Federado para mejorar el entrenamiento del modelo y su rendimiento.

Enfoques innovadores para eliminar datos de modelos de IA mientras se mantiene la privacidad.

Nuevos métodos mejoran la privacidad en el aprendizaje automático al perfeccionar los mecanismos de selección privada.

Un nuevo método mejora la eficiencia de la comunicación en el aprendizaje federado.

Examinando la relación entre las leyes de protección de datos y las prácticas de aprendizaje automático.

TimEHR genera datos sintéticos de series de tiempo realistas a partir de registros electrónicos de salud para ayudar en la investigación.

Aprende cómo P3LS permite el intercambio seguro de datos en la manufactura.

Aprende cómo los LLMs mejoran los sistemas de recomendación en varios campos.

hFedF mejora el rendimiento del aprendizaje federado al abordar los desafíos de la generalización de dominios.

Explorando el equilibrio entre la recolección de datos y los derechos de privacidad individual.

Un método para realizar pruebas bayesianas mientras se protege la privacidad individual.

Explorando métodos para proteger los datos personales en un mundo impulsado por la información.

Aprende a proteger los datos de los usuarios en apps de Android de manera efectiva.

Un nuevo método mejora los LLMs al integrar conocimiento externo para un mejor rendimiento.

Un nuevo enfoque mejora la privacidad al compartir datos multi-atributo de manera eficiente.

Un estudio encuentra compensaciones entre la privacidad de los datos y la reproducción de errores.

Explorando problemas de equidad en el aprendizaje automático y sistemas federados.

Una mirada a cómo los algoritmos de caminata aleatoria mejoran la privacidad en el aprendizaje descentralizado.

Abordando preocupaciones éticas mediante la eliminación selectiva de memoria en modelos de IA.

Un nuevo método mejora el aprendizaje federado al abordar las diferencias entre los clientes.

La computación cuántica mejora el cálculo seguro multiparte al aumentar la privacidad y la eficiencia.

Este artículo trata sobre métodos para estimar las velocidades de los autobuses mientras se protege la privacidad.

Un nuevo método protege la privacidad de las decisiones en los modelos de lenguaje mientras mantiene el rendimiento.

Entendiendo ataques de ejemplos inaprendibles a través de la teoría de juegos para una mejor protección de datos.

Un método para que los agentes optimicen soluciones sin coordinación central.

Un nuevo método mantiene las imágenes claras para los humanos mientras bloquea modelos no autorizados.

Este estudio examina los beneficios de las respuestas personalizadas en los modelos de lenguaje.

Seagull mejora la verificación de rutas mientras asegura la privacidad de las configuraciones de red.

Combinar el Aprendizaje Federado con técnicas de privacidad protege datos sensibles mientras se entrenan modelos.

Nuevos métodos en el aprendizaje federado protegen contra ataques mientras mantienen la privacidad de los datos.

PPLR mejora la privacidad mientras hace más eficiente el sistema de recomendaciones.

Este artículo examina las amenazas a la privacidad en los métodos de aprendizaje descentralizado y las tácticas de posibles atacantes.

Explorando el equilibrio entre la privacidad y la eficiencia del aprendizaje en el aprendizaje automático.

Los investigadores encuentran formas de proteger datos sensibles en entornos de agentes cooperativos.

Las marcas de agua pueden ayudar a proteger los derechos de autor en el entrenamiento de modelos de IA al demostrar el uso del texto.