Articoli più recenti per Privacy dei dati

Questo documento presenta metodi per migliorare le prestazioni del modello mantenendo la privacy dei dati.

Un nuovo metodo per confrontare i meccanismi di privacy nel machine learning.

Un nuovo metodo migliora la privacy durante l'addestramento dei modelli di deep learning.

Questo articolo parla di machine unlearning e delle sue implicazioni per la privacy dei dati.

Un nuovo modo per migliorare la sicurezza nel federated learning contro gli attacchi backdoor.

Un nuovo framework aiuta i piccoli sviluppatori a creare RoPA utilizzando le esperienze degli utenti.

Nuovi metodi per il federated learning migliorano l'efficienza e la privacy nelle reti IoT.

Uno sguardo alla generazione di dati sintetici per la mobilità urbana e le sfide della privacy.

Nuovi metodi stanno garantendo la privacy nella ricerca sui dati genetici.

Introducendo FedGTG per mantenere la conoscenza mentre si impara in contesti federati.

Nuovi metodi migliorano la protezione della privacy nei modelli di linguaggio di grandi dimensioni.

Un nuovo metodo migliora la sicurezza dei modelli di deep learning contro minacce nascoste.

La generazione di dati sintetici aiuta la ricerca sanitaria proteggendo la privacy dei pazienti.

Nuovi modelli migliorano la qualità delle immagini tissutali per una diagnosi delle malattie più precisa.

MedUniverse migliora gli strumenti di imaging medico proteggendo la privacy dei pazienti.

Questo articolo parla di metodi di riaddestramento usando le previsioni dei modelli per una maggiore precisione.

Scopri come i dati sintetici aiutano i rivenditori a proteggere la privacy dei clienti mentre ottengono informazioni.

Esplorare i rischi per la privacy nei dati sintetici e introdurre l'Indice di Plagio Dati.

Analizzando tecniche di attacco backdoor clean-label efficaci nel machine learning.

L'apprendimento federato migliora l'imaging medico proteggendo i dati dei pazienti.

La crittografia della memoria offre un modo nuovo per tenere i dati del cloud sicuri ed efficienti.

Allenare DNN su microcontrollori aumenta l'efficienza e la privacy nelle tecnologie smart.

Un nuovo approccio usa stati quantistici per confrontare informazioni private in modo sicuro.

NeighborFL migliora l'accuratezza delle previsioni del traffico proteggendo la privacy dei dati.

Esaminando l'importanza della privacy attraverso il disimparare l'identità nel machine learning.

Un nuovo metodo migliora l'efficienza del "machine unlearning" mantenendo le prestazioni del modello.

Uno sguardo più da vicino ai nuovi metodi per l'anonimizzazione dei testi e ai loro vantaggi.

Un metodo per migliorare il machine learning garantendo la privacy dei dati.

La collaborazione nella sanità tramite l'apprendimento federato migliora la classificazione delle immagini mediche mantenendo la privacy al sicuro.

PSVAE offre un metodo più veloce per creare dati tabulari sintetici di alta qualità.

Un framework per valutare i modelli di Federated Learning in scenari reali.

Un nuovo metodo migliora la previsione della durata dei soggiorni in ospedale proteggendo la privacy dei pazienti.

Un nuovo approccio migliora l'addestramento dei modelli proteggendo la privacy dei dati.

Uno studio sulle caratteristiche del traffico di rete dei dispositivi medici per una sicurezza migliore.

Esaminando la privacy differenziale e la regressione NTK per proteggere i dati degli utenti nell'AI.

Uno sguardo a come i modelli open-source si confrontano con quelli commerciali nei compiti biomedici.

Uno sguardo più da vicino ai rischi di divulgazione nei dati sintetici e alla protezione della privacy.

La Sri Lanka approva una legge sulla privacy per proteggere i dati dei pazienti nelle app sanitarie.

FedDM migliora l'apprendimento federato per i modelli di diffusione, garantendo la privacy dei dati.

Esplorando la privacy differenziale per proteggere info sensibili nelle applicazioni di IA.