Articoli più recenti per Privacy dei dati

Questo articolo esplora i vantaggi dell'uso di FP8 nell'apprendimento federato.

Uno sguardo a come i modelli di linguaggio possono far trapelare dati sensibili.

Questo articolo esamina i rischi legati ai LLM e propone modi per migliorare la sicurezza.

Esplorando le sfide legali sollevate dall'evoluzione rapida dell'AI generativa.

Un nuovo framework migliora l'apprendimento federato garantendo la privacy dei dati.

Questo studio valuta modelli avanzati per generare dati di viaggio falsi e le loro applicazioni pratiche.

Venomancer è un attacco furtivo che sfrutta le vulnerabilità nei sistemi di apprendimento federato.

CLAMP-ViT offre un nuovo modo per comprimere i vision transformer usando dati sintetici.

Un sistema di rilevamento potenzia la sicurezza dei veicoli contro le minacce informatiche usando tecniche avanzate.

Nuova tecnologia radar monitora la frequenza cardiaca durante il sonno e la meditazione senza fastidi.

Zero-X migliora la cybersecurity per i veicoli connessi contro le minacce emergenti.

Un nuovo framework migliora l'efficienza nell'apprendimento federato edge ottimizzando risorse e dati.

Esaminando gli attacchi di inferenza di appartenenza sui modelli di previsione delle serie temporali nella sanità.

Migliorare la sicurezza delle reti intelligenti usando honeypot e approcci di apprendimento federato.

Una panoramica dei metodi per proteggere le informazioni personali senza compromettere l'utilità dei dati.

Un metodo per stimare i membri della comunità proteggendo la privacy individuale.

AntibotV affronta le minacce di malware dei bot nelle auto connesse attraverso un monitoraggio avanzato.

Le città ottengono dati di trasporto fondamentali, pur tenendo in conto le preoccupazioni sulla privacy.

Questo metodo migliora l'efficienza della comunicazione nel federated learning mantenendo la privacy dei dati.

Crescono le preoccupazioni per gli attacchi backdoor nei modelli linguistici, che influenzano la sicurezza e l'affidabilità.

Un metodo per calcolare le medie mantenendo i dati dei nodi privati.

Esaminando l'efficacia della privacy differenziale nella protezione delle identità individuali nei dati SOEP.

Un nuovo modello migliora il rilevamento in tempo reale degli attacchi informatici sulle reti blockchain.

FedSat affronta le sfide dei dati nell'apprendimento federato, garantendo privacy e migliori performance.

Un nuovo metodo per migliorare il campionamento nel machine learning con una privacy potenziata.

MSfusion consente a dispositivi con risorse limitate di allenare modelli grandi in modo collaborativo.

Nuovo metodo migliora le prestazioni del modello su dati mai visti.

AFIND+ migliora l'apprendimento federato decentralizzato ottimizzando la selezione dei vicini e l'aggregazione degli aggiornamenti.

Un nuovo strumento automatizza l'anonimizzazione delle cartelle cliniche per proteggere la privacy.

Esamina vari attacchi di jailbreak sui modelli di linguaggio e le loro difese.

Un nuovo approccio migliora il Federated Learning generando dati sintetici e proteggendo la privacy.

Questo studio esamina come la disposizione della rete influisce sull'apprendimento federato decentralizzato in mezzo a minacce bizantine.

pFedDIL migliora il machine learning mantenendo la conoscenza mentre si adatta a nuovi compiti.

La ricerca esplora l'IA generativa per simulare le strutture interne della bocca usando i movimenti del viso.

Analizzando le vulnerabilità nei LLM a causa dei dati sulle preferenze umane.

Un nuovo framework per la comunicazione tra agenti che si concentra su privacy e coerenza.

Un nuovo metodo affronta le sfide dei dati nell'IA per la salute.

Nuovi metodi per il test statistico proteggendo la privacy dei dati attraverso l'apprendimento federato.

Esplorare le sfide e i progressi nella protezione dei dati sensibili mantenendone l'utilità.

La sfida di combinare la privacy differenziale con algoritmi sublineari nell'analisi dei dati.