Derniers articles pour Confidentialité des données

Une nouvelle méthode améliore la génération de données synthétiques tout en garantissant la protection de la vie privée.

Un cadre pour le développement éthique de l'IA dans les systèmes de santé.

Une étude détaillée sur comment les modèles mémorisent du texte et ses implications.

Explorer la confidentialité différentielle locale quantique pour protéger les données quantiques.

De nouvelles techniques améliorent la génération d'images faciales pour reconnaître les troubles génétiques.

De nouvelles méthodes améliorent la confidentialité et la communication dans l'apprentissage fédéré.

Examiner les menaces pour la vie privée que posent les données ECG dans le secteur de la santé.

Cette étude examine les différences de confidentialité entre l'apprentissage fédéré décentralisé et centralisé.

Examiner la vie privée différentielle dans le traitement du langage naturel pour une meilleure protection des données.

Cet article examine comment le vandalisme affecte les évaluations de la qualité des images IRM.

Examiner les menaces à la vie privée liées aux connexions sociales dans les espaces numériques.

Un cadre renforce la sécurité des véhicules connectés tout en protégeant la vie privée des utilisateurs.

Des méthodes innovantes améliorent l'identification des sites web grâce à l'analyse du trafic réseau.

Defogger propose de nouvelles stratégies pour explorer des données sensibles tout en assurant la vie privée.

Cet article parle des méthodes d'apprentissage fédéré et de leur impact sur la vie privée et l'utilité des modèles.

Examiner les CP-NIZKs collaboratifs pour améliorer la vie privée et l'efficacité des preuves.

Cette étude examine l'efficacité des attaques par backdoor physique en clean-label dans les réseaux de neurones profonds.

Examiner le jeu de données FairJob pour garantir des opportunités d'emploi équitables pour tous.

Une nouvelle méthode pour générer des clés sécurisées entre les appareils dans les réseaux sans fil.

Nouveau cadre permet de retirer efficacement les données sensibles des réseaux de neurones graphiques.

Explorer l'oubli machine et son rôle dans l'amélioration de la sécurité et de la vie privée de l'IA générative.

Une nouvelle méthode assure un appariement sécurisé des noms tout en protégeant les données sensibles.

OpenUAS donne un aperçu détaillé de l'utilisation des zones urbaines dans les grandes villes du Japon.

LocPIR améliore la vie privée dans les services basés sur la localisation grâce à un chiffrement avancé.

Ce cadre améliore l'accès et l'efficacité des modèles d'IA en utilisant le sharding hybride.

Une nouvelle approche met en avant des tokens surprenants pour évaluer les données de formation des modèles de langage.

Cet article parle d'une méthode pour introduire des portes dérobées dans les réseaux de neurones pendant l'entraînement.

De nouvelles méthodes détectent et réagissent à la mémorisation dans le contenu généré par l'IA.

Exploration des principes pour des relations éthiques entre les gens et leurs données.

Une nouvelle méthode s'attaque aux défis de la vie privée pour estimer les U-statistiques avec précision.

Une nouvelle méthode pour l'estimation de densité respectueuse de la vie privée en utilisant le décodage de liste stable.

Une nouvelle méthode améliore l'efficacité d'apprentissage tout en préservant les connaissances dans les systèmes d'apprentissage fédéré.

Les preuves à connaissance nulle renforcent la vie privée et la sécurité dans les transactions numériques modernes.

De nouvelles méthodes s'attaquent aux problèmes de copie dans les modèles de génération d'images.

Cet article parle des méthodes pour cacher l'auteur tout en garantissant que le texte reste utilisable.

AAG améliore la confidentialité et la précision dans la gestion des données spatiales.

DP-BloGS améliore la confidentialité des données dans l'apprentissage automatique tout en gardant de bonnes performances.

Examiner l'impact et les risques des grands modèles de langage sur la société.

Ce papier examine l'efficacité des méthodes actuelles de vérification de l'oubli machine.

Une nouvelle méthode améliore la détection de fraude tout en garantissant la confidentialité des données.