Últimos artículos para Privacidad de datos

Este artículo presenta un método para clientes con objetivos diversos en el aprendizaje federado de bandits.

Discutiendo sobre la privacidad y la equidad en el aprendizaje automático a través de la privacidad diferencial y el riesgo del peor grupo.

Nuevos algoritmos mejoran la privacidad y la precisión en escenarios de datos escasos.

Un nuevo método combina el aprendizaje federado y la computación segura para proteger la privacidad de los datos de la mirada.

BasedAI usa encriptación para garantizar la privacidad mientras mejora el rendimiento del modelo de lenguaje.

Una mirada a cómo el análisis de datos puede mantener la privacidad individual.

Un método para eliminar habilidades no deseadas de los modelos de lenguaje mientras se mantienen intactas las funciones esenciales.

Un nuevo método mejora las predicciones de carga de energía mientras garantiza la privacidad de los datos.

Asyn2F mejora el aprendizaje federado asincrónico para un mejor entrenamiento de modelos y privacidad de datos.

Un nuevo enfoque mejora la precisión del aprendizaje automático mientras garantiza la privacidad de los datos.

Un nuevo enfoque para la representación de imágenes con privacidad diferencial a través de subtitulación.

Un nuevo método mejora la eficiencia del aprendizaje federado usando estrategias de actualización de clientes.

Examinando el olvido federado y sus desafíos en la privacidad del machine learning.

La investigación muestra cómo los LLMs pueden exponer datos de entrenamiento, lo que genera preocupaciones sobre la privacidad.

Este artículo habla sobre soluciones de privacidad para los problemas de Max Cover y Set Cover.

Una mirada a los riesgos de la contaminación de datos en sistemas de aprendizaje federado.

Un nuevo marco combina modelos grandes y pequeños para priorizar la protección de datos de los usuarios.

Abordando los desafíos en el aprendizaje federado debido a la diversidad de dispositivos y datos.

P2M2-CDR mejora las recomendaciones mientras protege la privacidad del usuario a través de técnicas de datos avanzadas.

Explorando técnicas para preservar la privacidad en el aprendizaje automático y su importancia.

Un enfoque novedoso mejora la recuperación de datos mientras aborda las preocupaciones de privacidad en el aprendizaje federado.

Nuevos mecanismos mejoran la privacidad mientras mantienen la utilidad de los datos en el aprendizaje automático.

Los algoritmos innovadores usan datos públicos para proteger la privacidad en el análisis de datos.

Una mirada al aprendizaje federado y su impacto en la toma de decisiones empresariales.

Un método para que los agentes estimen funciones sin compartir datos directamente.

Investigando los efectos del ruido en el entrenamiento de redes neuronales profundas y la privacidad.

Un nuevo enfoque descentralizado mejora el rendimiento del aprendizaje en redes IoT con recursos limitados.

Esta investigación revela amenazas a la privacidad en modelos de temas más simples como LDA.

Un nuevo marco mejora la privacidad en las imágenes generadas por IA mientras asegura eficiencia.

Este artículo habla sobre métodos de privacidad para datos tabulares en modelos de lenguaje grandes.

Aprende a compartir información sobre amenazas de manera segura entre organizaciones.

Examinando los factores que influyen en la confianza en la tecnología de IA según diversas opiniones.

Un nuevo marco para mejorar el aprendizaje en el Aprendizaje Incremental Federado mientras se garantiza la privacidad de los datos.

Explorando los riesgos de privacidad relacionados con ataques de inferencia de membresía en el aprendizaje automático.

Nuevas técnicas para mejorar la privacidad sin sacrificar la calidad de las recomendaciones.

Nueva biblioteca basada en JAX simplifica el aprendizaje federado para un mejor entrenamiento de modelos.

Este estudio mejora el aprendizaje distribuido a través del uso efectivo de actualizaciones ponderadas en la Retroalimentación de Errores.

Un estudio sobre la equidad de las políticas de privacidad y su impacto en la confianza del usuario.

Explorando las ideas recientes sobre datos sintéticos y los desafíos de privacidad.

Un nuevo esquema mejora la seguridad y la privacidad en redes de pequeñas celdas.