Derniers articles pour Confidentialité des données

Les machines à coque affine du noyau protègent la vie privée des individus tout en permettant l'apprentissage des données.

GLASU améliore l'efficacité de la communication dans l'apprentissage fédéré vertical en utilisant des données graphiques.

Une nouvelle méthode améliore la surveillance des appareils tout en protégeant la vie privée des utilisateurs.

Une étude évalue comment les applis Android respectent la loi sur la vie privée en Californie.

Présentation d'une nouvelle méthode d'apprentissage fédéré pour améliorer la perception BEV dans les voitures autonomes.

De nouvelles méthodes génèrent des images médicales avec des données limitées pour une meilleure détection des maladies.

Une nouvelle méthode améliore le classement de la rétinopathie diabétique et la fiabilité des prévisions.

La méthode EZClone révèle des failles dans les architectures DNN, ce qui pose des risques pour la sécurité.

Le cadre GUIDED permet un désapprentissage efficace pour les données graphiques, renforçant la protection de la vie privée.

Discussion des attaques par empoisonnement et des stratégies de défense pour les systèmes de recommandation fédérés.

Une nouvelle technique garantit la confidentialité des données dans l'apprentissage collaboratif.

Une nouvelle méthode améliore l'interprétation des IRM en utilisant des données limitées provenant de petites cliniques.

Un bon placement des capteurs dans les bâtiments protège la vie privée tout en collectant des données utiles.

Un nouveau cadre améliore la sécurité des réseaux intelligents tout en préservant la vie privée des données.

Un aperçu du rôle de la vie privée différentielle dans la protection des données sensibles.

Explorer des méthodes sécurisées pour combiner la communication et la détection dans les réseaux mobiles.

De nouvelles méthodes créent des données synthétiques pour protéger la vie privée dans la recherche sur les systèmes électriques.

Utiliser les patterns de frappe pour améliorer la vérification des utilisateurs en ligne.

De nouvelles méthodes aident à créer des données de santé réalistes tout en protégeant la vie privée.

De nouvelles méthodes en désapprentissage automatique améliorent la confidentialité des données et l'efficacité des modèles.

Examiner l'équité des méthodes de confidentialité pour l'utilisation des données de localisation.

Examiner la confidentialité différentielle locale et l'analyse vectorielle numérique pour un partage de données sécurisé.

FeDiSa améliore la sécurité et l'efficacité des systèmes électriques contre les menaces cybernétiques.

APES et S-APES améliorent la confidentialité dans l'apprentissage fédéré tout en gardant de la précision.

GraphGANFed combine des méthodes de pointe pour la génération de molécules tout en garantissant la confidentialité des données.

De nouvelles méthodes aident les hôpitaux à diagnostiquer le COVID-19 tout en protégeant la vie privée des patients.

Une enquête révèle l'avis des patients australiens atteints de cancer sur les pratiques de partage de données.

Une nouvelle approche améliore l'apprentissage fédéré en réduisant le dérive des clients et l'oubli.

Un aperçu de l'importance de protéger les données personnelles dans la technologie.

Une nouvelle méthode permet aux utilisateurs de protéger leur vie privée dans l'apprentissage fédéré.

FedShift s'attaque au déséquilibre des classes dans l'apprentissage fédéré pour améliorer la performance des modèles.

Explore le rôle de l'apprentissage fédéré pour améliorer l'efficacité de la communication par satellite MIMO.

Cet article évalue les risques de ré-identification dans les représentations des utilisateurs et les mesures de confidentialité.

SF-Relate améliore les études génomiques en identifiant les proches de manière sécurisée et efficace.

Un algorithme privé pour les nœuds qui analyse les composants des graphes protège la vie privée de chacun.

Exploration de l'apprentissage fédéré dans la prise de décision avec des bandits contextuels et la préservation de la vie privée.

Explorer l'approche de l'ABS pour protéger la vie privée tout en fournissant des infos statistiques essentielles.

Vers améliore l'informatique distribuée grâce à une gestion décentralisée des données et une sécurité renforcée.

Les systèmes CIM améliorent l'efficacité mais exposent à des vulnérabilités face aux attaques par canaux auxiliaires.

MedAlpaca améliore les modèles d'IA médicale et les données d'entraînement pour un meilleur soin des patients.