Últimos artículos para Privacidad de datos

Una mirada a los métodos que mejoran la privacidad en el aprendizaje federado mientras se asegura la precisión del modelo.

Un método que personaliza LLMs mientras protege los datos sensibles de los usuarios.

Examinando los factores que influyen en el uso de aplicaciones de salud móvil en diferentes grupos.

Examinando k-anonimato y datos sintéticos para la privacidad y el uso de energía en la IA.

Un conjunto de datos único revela los patrones de uso de aplicaciones móviles en las áreas urbanas de Francia.

Explorando nuevas soluciones para tecnologías de comunicación 6G seguras y eficientes.

Examinando cómo las medidas de privacidad afectan las fronteras de asistencia escolar y la diversidad.

Nuevo método genera imágenes sintéticas diversas para mejorar el reconocimiento facial.

Aprende cómo el "desaprender" en máquinas protege la información personal en modelos de ML.

Olvidar es clave para gestionar el conocimiento en la IA y la toma de decisiones.

Este artículo explora los riesgos y preocupaciones éticas en torno a ChatGPT.

Explora cómo los CRSs usan el diálogo para hacer mejores recomendaciones de contenido.

Explora cómo los mixnets trazables mejoran la privacidad en la gestión de datos mientras permiten consultas específicas.

FedAds ofrece una solución para una estimación efectiva de CVR mientras protege la privacidad del usuario.

Este artículo examina las amenazas en sistemas de recomendación federados usando información visual.

ResidualPlanner ofrece información rápida y privada a partir de datos utilizando marginals ruidosos.

Un nuevo método predice la demanda de taxis mientras asegura la privacidad de los datos.

SplitAMC mejora la privacidad de los datos y reduce la latencia en la clasificación de modulación.

Explora los métodos y desafíos de la evaluación de modelos en el aprendizaje federado.

Nuevo método audita la privacidad en el aprendizaje automático con una sola ejecución del algoritmo.

FLARE ayuda a los dispositivos IoT a manejar el cambio de concepto mientras garantiza la privacidad y la eficiencia.

El seguro paramétrico ofrece reclamaciones más rápidas y mayor transparencia a través de la tecnología.

Explora cómo el aprendizaje federado vertical mejora la privacidad en el aprendizaje automático.

Un nuevo método mejora la eficiencia del Aprendizaje Federado ajustando los pasos de entrenamiento local.

Mejorar los métodos de datos sintéticos puede llevar a modelos de machine learning más confiables.

PrivaScissors minimiza la fuga de datos en la inferencia colaborativa, mejorando la privacidad del usuario.

Un nuevo método mejora la segmentación de imágenes manteniendo la privacidad del paciente.

Un método que permite el olvido selectivo en modelos generativos para prevenir abusos.

Las imágenes sintéticas ayudan a mejorar el reconocimiento facial mientras solucionan problemas de recolección de datos.

Un estudio revela un sesgo importante en los métodos de desidentificación para nombres clínicos.

El aprendizaje federado ofrece soluciones para la equidad en las predicciones de salud impulsadas por IA.

Un nuevo método para entrenar modelos mientras se protege la información sensible.

Un enfoque sólido para crear ejemplos inaprendibles para la protección de datos.

Nuevos métodos parecen prometedores para proteger los datos personales contra el uso no autorizado.

Un nuevo método mejora el intercambio de datos entre vehículos conectados usando aprendizaje federado.

Mejorando la eficiencia en el Aprendizaje Federado con estrategias de dispositivos que tienen en cuenta el riesgo.

Explorando la importancia de la confianza en los sistemas de aprendizaje federado.

PS-FedGAN mejora la privacidad y la eficiencia en el aprendizaje federado al compartir solo los datos mínimos.

El Aprendizaje Federado mejora el entrenamiento de modelos manteniendo los datos de los usuarios en privado.

El reetiquetado aleatorio ofrece un método para eliminar datos rápidamente en el aprendizaje automático.