Articoli più recenti per Privacy dei dati

Esaminando la necessità di trasparenza nell'uso dei dati sanitari per la ricerca.

Nuovi metodi migliorano il riconoscimento facciale mentre si affrontano le preoccupazioni sulla privacy.

Analizzare l'equilibrio tra decentralizzazione e efficienza nell'outsourcing dei compiti di calcolo.

ELM dimostra l'efficacia di modelli linguistici più piccoli e specifici per il contesto nell'istruzione.

Nuovi metodi migliorano la privacy dei dati mantenendo l'accuratezza dell'analisi.

Esplorando i rischi per la privacy nel modeling di immagini mascherate e le loro implicazioni.

Il framework Pulse offre un nuovo modo per rilevare i ransomware sconosciuti in modo efficace.

Scopri come il Thompson Sampling protegge la privacy mentre fai scelte informate.

Un metodo per l'inferenza collaborativa ai margini che dà priorità alla privacy e all'efficienza.

La ricerca presenta un nuovo dataset e metodi per migliorare il video ReID tra piattaforme.

Una guida per capire meglio la privacy differenziale e le sue implicazioni per i dati personali.

Un nuovo IDS migliora la sicurezza dei veicoli contro le crescenti minacce informatiche.

Esaminando metodi difensivi per proteggere il Federated Learning da violazioni dei dati.

Un nuovo metodo migliora la comunicazione nel Federated Learning tramite una pianificazione ottimale degli aggiornamenti.

Un nuovo sistema punta a migliorare la privacy nella comunicazione e nel rilevamento wireless.

Un nuovo framework migliora l'accuratezza del modello affrontando il problema del bilanciamento dei dati, senza compromettere la privacy.

Un nuovo modo per migliorare i riassunti del codice includendo il contesto essenziale.

Scopri come l'apprendimento federato migliora il rilevamento di piccoli oggetti mantenendo la privacy dei dati.

MIA-Tuner cerca di affrontare i problemi di privacy nei dati di addestramento dei LLM.

Un nuovo framework migliora la privacy e la qualità dei dati nell'apprendimento federato.

I ricercatori propongono un metodo per migliorare i modelli medici garantendo la privacy dei dati.

Un sistema per un apprendimento sicuro dell'IA nella sanità senza condividere i dati dei pazienti.

Uno sguardo alle sfide e ai vantaggi dell'aggiunta di nuovi clienti nell'apprendimento federato.

Questo articolo parla di come usare il pre-training per migliorare la privacy e le prestazioni nel Federated Learning.

Combinare il potatura dei modelli e l'allocazione della banda migliora l'efficienza nell'apprendimento federato.

Un nuovo metodo migliora il tracciamento delle perdite di privacy nei modelli di linguaggio di grandi dimensioni.

Questo studio analizza FEWS e OEWS per migliorare le prestazioni dei modelli nella produzione.

Esplorare il ruolo delle tecnologie di privacy nella lotta ai crimini finanziari.

Esplora l'importanza dei punteggi di leva nell'analisi dei dati e nella privacy.

Esaminare le vulnerabilità negli strumenti di completamento del codice e il loro impatto sulla privacy degli utenti.

Esplorare le misure di sicurezza nell'apprendimento federato gerarchico contro vari attacchi.

Il Clustering Federato aiuta ad analizzare i dati mantenendo private le informazioni sensibili.

Uno sguardo ai vantaggi e alle sfide del crowd-sensing, concentrandosi sulla privacy e sul coinvolgimento degli utenti.

Presentiamo DUCD, un metodo incentrato sulla privacy per proteggere i DNN dagli attacchi avversari.

Esaminando le questioni di copyright con l'apprendimento automatico nella generazione di contenuti.

Un nuovo modo per rilevare problemi delle macchine senza compromettere la privacy dei dati.

Esplorando la privacy confondente e il suo ruolo nella protezione delle informazioni sensibili.

Esaminare il ruolo dei modelli linguistici nel trasformare le applicazioni mediche.

I ricercatori possono studiare le condizioni di salute senza dover accedere ai registri dei singoli pazienti.

Algoritmi innovativi per contare oggetti distinti garantendo la privacy dei dati.