Derniers articles pour Confidentialité 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.

Explorer comment l'apprentissage fédéré peut améliorer la protection des données dans le secteur de la santé.

Une nouvelle approche améliore la performance et l'équité dans l'apprentissage fédéré.

Un nouveau cadre aide à protéger les statistiques récapitulatives sensibles pendant le partage de données.

Présentation d'une nouvelle façon d'évaluer les risques de confidentialité dans les modèles d'apprentissage automatique.

Apprends comment l'apprentissage distribué peut améliorer l'efficacité de l'apprentissage machine et l'entraînement des modèles.

Un aperçu de comment l'anonymisation protège l'identité personnelle tout en utilisant des biométriques.

Présentation d'un cadre pour équilibrer la vie privée des données et l'utilité.

Une nouvelle méthode pour protéger la vie privée dans les modèles de texte en image.

Examiner le lien entre la confidentialité différentielle locale et l'équité dans les systèmes d'IA.

De nouvelles méthodes améliorent l'audit de la vie privée, en se concentrant sur des modèles d'état caché dans l'apprentissage automatique.

Améliorer l'apprentissage distribué grâce à des techniques de clipping robuste et adaptatif.

Une nouvelle méthode améliore la suppression des données dans les modèles de graphes dynamiques tout en garantissant la confidentialité.

L'inférence fédérée bayésienne permet de faire des analyses de survie tout en préservant la vie privée dans la recherche sur le cancer.

FedSC améliore l'entraînement des modèles tout en préservant la vie privée des utilisateurs dans l'apprentissage fédéré.

De nouvelles techniques améliorent la scalabilité dans l'apprentissage automatique différemment privé.

Une approche basée sur des cohortes améliore l'efficacité et la précision dans les systèmes d'apprentissage fédéré.

Découvrez comment les Plans Comportementaux Fédérés améliorent la compréhension des actions des clients dans l'apprentissage fédéré.

Présentation de l'Alignement par Démonstrations pour des modèles de langage sûrs et efficaces.