Articoli più recenti per Privacy dei dati

AFedPG migliora l'efficienza nel federated reinforcement learning tramite aggiornamenti asincroni.

Le banche devono affrontare delle sfide nel condividere i dati di trading, mantenendo la privacy dei clienti.

Nuovi algoritmi migliorano la privacy e l'ottimizzazione nei modelli di machine learning.

Nuovi metodi migliorano la privacy dei pazienti mentre potenziano la ricerca sulle immagini mediche.

Analizzare minacce e difese nel federated learning contro attacchi malevoli.

Esplorare i rischi per la privacy e le soluzioni nei grandi modelli di linguaggio.

Esplorare le vulnerabilità dei modelli di ML e le potenziali difese contro le MIA.

EncDB offre una sicurezza e un'efficienza migliori per gestire dati criptati nel cloud.

Uno sguardo a come migliorare la sicurezza dell'IoT usando i dati dei sensori esistenti per l'autenticazione.

I ricercatori vogliono creare dati sintetici bilanciati per prevenire il bias nel machine learning.

Un nuovo modo per migliorare l'e-health attraverso una gestione dei dati migliore e la privacy dei pazienti.

Un nuovo algoritmo migliora l'apprendimento federato affrontando la diversità e l'efficienza dei client.

Nuove regole ostacolano il progresso della ricerca medica e la collaborazione in Finlandia.

Una panoramica delle sfide legali nello sviluppo e nell'uso dell'AI generativa.

Un metodo per proteggere la privacy dei dati nei sistemi di apprendimento decentralizzati usando nodi virtuali.

Uno sguardo su come gli algoritmi possono rispettare le richieste di cancellazione dei dati mantenendo l'efficienza.

Un nuovo strumento punta a rendere i contratti legali più facili da leggere.

Uno studio su come migliorare la comunicazione nel federated learning per avere prestazioni migliori del modello.

Un nuovo modo per condividere i dati delle traiettorie mantenendo la privacy degli utenti.

Questo articolo esamina come i passaggi di pre-elaborazione possano influenzare le garanzie di privacy dei dati.

S3PHER dà potere ai pazienti permettendo la condivisione sicura dei dati sanitari con i medici.

Uno sguardo all'uso dei modelli linguistici per valutare la soddisfazione dei requisiti software.

Un nuovo meccanismo di difesa riduce i rischi degli attacchi di inferenza delle etichette nel machine learning collaborativo.

Questo studio migliora l'apprendimento federato aumentando la diversità dei modelli mentre protegge la privacy.

Un nuovo approccio per la modellazione basata su agenti protegge la privacy individuale mantenendo l'accuratezza dei dati.

Il DPV offre un quadro chiaro per la gestione dei dati personali.

Un framework per migliorare la collaborazione nella sanità mantenendo la privacy dei pazienti.

Strategie per analizzare dati sensibili mantenendo la privacy.

Assicurarsi che il design della tecnologia rispetti la diversità e il contesto degli utenti.

Esplorare come BR-DP bilancia la privacy e l'analisi dei dati.

Presentiamo gli UGE, un modo nuovo per mantenere i dati sicuri e utilizzabili.

Esplorare metodi di fine-tuning per migliorare l'accuratezza del modello garantendo la privacy dei dati.

Esaminando i rischi degli attacchi di avvelenamento dei modelli nei sistemi di apprendimento federato.

Questo articolo esplora metodi per proteggere la privacy mentre si analizzano i dati in modo efficace.

Un protocollo sicuro per proteggere i dati degli utenti nel machine learning.

I robot ottimizzano il movimento usando una nuova tecnica di apprendimento collaborativo.

DA-DPFL migliora l'apprendimento federato riducendo i costi e il tempo di addestramento.

Esplorare il ruolo delle immagini di iris sintetiche nei sistemi biometrici.

Migliorare l'apprendimento federato con strutture gerarchiche e gestione intelligente dei dati.

Ottimizzazione dei metodi di generazione del rumore per una migliore privacy dei dati nelle applicazioni in streaming.