Articoli più recenti per Privacy dei dati

I CDM aiutano a proteggere i dati di addestramento sensibili mentre generano immagini di alta qualità.

Un nuovo protocollo migliora i rompicapi temporali per comunicazioni future sicure.

Attacchi automatici sugli acceleratori DNN possono rivelare dettagli sul modello con pochissimo sforzo.

Un nuovo metodo migliora la privacy e l'addestramento dei modelli nell'apprendimento federato.

Scopri i rischi degli attacchi alle tastiere basati su suoni e come proteggerti.

CABB migliora l'adattamento dei modelli proteggendo al contempo le informazioni sensibili in diversi settori.

Scopri il typing di sensibilità graduale e il suo ruolo nel migliorare la sicurezza nella programmazione.

Esaminare il potenziale e le sfide del Federated Machine Learning nella tutela della privacy.

Nuovo framework migliora l'addestramento QNN con dati crittografati e protezione della privacy.

Un nuovo metodo migliora la sicurezza dell'apprendimento federato contro gli attacchi di avvelenamento dei dati.

Nuovo metodo svela vulnerabilità nei sistemi di Federated Learning Verticale usando Graph Neural Networks.

Un metodo per generare immagini migliori che protegge la privacy usando set di dati pubblici.

PPIMCE migliora le prestazioni nella gestione sicura dei dati senza compromettere la privacy.

Esplorare l'uso di dati sanitari sintetici per migliorare lo sviluppo dei CDSS.

L'apprendimento federato permette di collaborare in sicurezza mantenendo i dati sensibili privati.

Un nuovo metodo per l'aggregazione sicura dei dati punta a migliorare l'efficienza e la privacy.

Un nuovo design di chiplet aumenta l'efficienza della crittografia totalmente omomorfica.

Un nuovo metodo migliora i riassunti delle riunioni proteggendo i dati sensibili.

Un nuovo metodo per adattare i modelli ai dati del mondo reale mantenendo la privacy.

Esaminando l'uso delle decorazioni dei link nel tracciamento online.

Il Federated Learning permette di mantenere la privacy dei dati mentre migliora la collaborazione nel machine learning tra vari partecipanti.

Nuovo strumento mira a proteggere gli analisti e velocizzare il processo di segnalazione degli abusi.

Scopri come l'annotazione cieca migliora la privacy dei dati durante il matching delle entità.

Un nuovo metodo per abbattere i costi nei servizi linguistici di machine learning.

Un nuovo modo per migliorare la privacy dei dati riducendo i costi di comunicazione.

Esplora un metodo di difesa innovativo per migliorare la sicurezza del federated learning.

Nuovi metodi aumentano la velocità e l'efficienza dei modelli linguistici sui dispositivi locali.

Nuovi metodi per proteggere l'apprendimento federato dagli attacchi mantenendo la privacy degli utenti.

Una serie di strumenti per migliorare la visibilità dell'uso dei dati tra i dipendenti.

Affrontare i rischi per la privacy mentre si offrono spunti preziosi dai modelli di machine learning.

Un nuovo metodo analizza le attività quotidiane mentre protegge la privacy dell'utente.

Creare immagini diverse di volti di bambini per migliorare i sistemi di riconoscimento.

Un nuovo metodo migliora la segmentazione di organi e tumori nelle immagini mediche.

AIGC ridefinisce il modo in cui generiamo contenuti digitali in modo efficiente.

Il metodo IDiff-Face migliora i dati sintetici per una migliore riconoscimento facciale.

Analizzando come i dati del conteggio dei passi possano rivelare informazioni personali e rischi per la privacy.

Esplorare le complessità e le soluzioni del machine unlearning per la privacy dei dati degli utenti.

Questa ricerca si concentra sul migliorare l'efficienza e la privacy nell'apprendimento federato tramite metodi di compressione adattiva.

La condivisione di dati sintetici migliora la ricerca sanitaria proteggendo la privacy.

Combinare DNN e SNN con crittografia omomorfica per garantire la privacy dei dati.