Derniers articles pour Confidentialité des données

Explorer des méthodes d'apprentissage fédéré pour protéger la vie privée des utilisateurs et améliorer les performances des modèles.

Une nouvelle méthode pose des risques importants pour la vie privée dans l'apprentissage fédéré.

LightTR améliore la récupération de trajectoires en utilisant l'apprentissage fédéré tout en protégeant la vie privée des utilisateurs.

Mind-Animator reconstruit des vidéos en utilisant l'activité cérébrale mesurée par l'IRMf.

Les organisations médiatiques établissent des directives pour une utilisation responsable de l'IA dans le journalisme.

Utiliser l'IA générative et MoE pour améliorer la sécurité des communications.

Une nouvelle méthode améliore l'efficacité de la sélection des appareils dans l'apprentissage fédéré.

Une nouvelle méthode aborde la vie privée et l'équité dans les modèles de régression en utilisant des ajustements innovants.

Une nouvelle méthode protège la vie privée tout en permettant aux modèles de langue d'apprendre à partir d'exemples.

Un cadre pour un traitement des données plus sûr en apprentissage automatique.

Les GNN inductifs font face à des menaces de vie privée à cause des attaques de vol de liens.

Une nouvelle méthode pour améliorer la confidentialité des données médicales et la collaboration entre les institutions.

Cette étude explore le rôle de l'apprentissage fédéré dans la réponse à des questions visuelles sur des documents.

Les MIAs sans ombre révèlent des vulnérabilités dans les systèmes de recommandation pour les utilisateurs.

Une nouvelle méthode pour améliorer la disponibilité des clients dans l'apprentissage fédéré.

Un nouveau cadre génère des données sur la mobilité humaine tout en protégeant la vie privée des individus.

Un nouveau protocole améliore la confidentialité et l'efficacité dans l'apprentissage décentralisé.

Un aperçu des risques des attaques d'inférence d'appartenance sur la vie privée des données.

Un aperçu de comment les modèles rares améliorent l'efficacité de l'apprentissage fédéré.

Nouveau modèle d'IA améliore le diagnostic des problèmes osseux en utilisant des données de rayons X et de rapports.

Apprends comment la confidentialité différentielle peut améliorer la sécurité des données dans la régression LLS.

Un système qui apprend à partir des données des patients tout en garantissant la protection de la vie privée.

Des pros de l'IA partagent leurs opinions sur l'IA fiable et ses défis.

Une nouvelle approche combine des protections de la vie privée avec l'apprentissage par bandit contextuel.

Une nouvelle méthode pour détecter les comportements suspects des véhicules tout en protégeant la vie privée.

Une étude sur l'amélioration de la détection des flux vidéo tout en respectant la vie privée des utilisateurs.

Une méthode pour effacer des identités des modèles génératifs tout en gardant la qualité de l'image.

De nouvelles méthodes améliorent la précision de l'estimation de la taille des jointures tout en protégeant les données sensibles.

Une stratégie pour protéger les connexions sensibles dans les données graphiques tout en libérant des informations utiles.

Un aperçu de la confidentialité différentielle et de son application dans l'apprentissage automatique.

Une nouvelle méthode améliore l'apprentissage fédéré décentralisé tout en préservant la confidentialité des données.

Une nouvelle approche améliore la détection d'intrusions dans les systèmes décentralisés.

Améliorer les applis de détection mobile grâce à un nouveau cadre pour gérer les données manquantes.

Cette étude examine comment les créateurs réagissent quand leurs œuvres sont utilisées pour la formation de l'IA.

Ce papier présente EFRAP, une défense contre les attaques par porte dérobée conditionnées par la quantification dans les modèles d'apprentissage profond.

Une nouvelle méthode améliore la capacité des modèles à oublier des infos visuelles précises.

Méthodes pour fournir des estimations de population fiables tout en garantissant la confidentialité des répondants.

La recherche améliore l'interprétation des ECG tout en garantissant la confidentialité des données des patients.

Un nouveau cadre améliore l'apprentissage fédéré et empêche l'oubli dans les modèles d'IA.

Une étude révèle l'attaque WordGame, qui profite des faiblesses des mesures de sécurité des LLM.