Articoli più recenti per Privacy dei dati

Valutare gli ostacoli che le organizzazioni devono affrontare quando applicano la privacy differenziale ai dati delle indagini.

Usare l'IA per simulare dati per analizzare le connessioni emotive nella salute mentale.

Scopri come il Federated Learning mantiene i dati privati mentre permette la collaborazione nell'IIoT.

Questo articolo presenta un nuovo metodo per sistemi di dialogo realistici usando tratti specifici degli utenti.

Un nuovo metodo per adattare i modelli di deep learning a dati non etichettati mantenendo la privacy.

Un workshop che parla delle sfide e delle soluzioni per i lavoratori delle piattaforme.

Uno sguardo a come l'IA può dimenticare i dati privati durante il restauro delle immagini.

Un nuovo metodo migliora la sicurezza dell'apprendimento federato combattendo efficacemente gli attacchi bizantini.

Esplorando il ruolo dell'Aggregazione Sicura nel Learning Federato in contesti sanitari.

Valutare la capacità dei grandi modelli linguistici di gestire le normative sulla privacy.

RoLoRA migliora l'apprendimento federato con un fine-tuning robusto e comunicazione efficiente.

Un modo nuovo per migliorare l'accuratezza del modello individuando fonti di dati di bassa qualità.

Un metodo per migliorare i modelli personalizzati mantenendo la privacy degli utenti.

Questo studio esamina la creazione di radiografie toraciche realistiche tramite tecniche avanzate di apprendimento automatico.

Questo framework migliora l'efficienza delle app multimediali proteggendo la privacy degli utenti.

Uno sguardo a nuovi approcci per migliorare i metodi di programmazione sicura.

Uno studio dimostra che gli strumenti di intelligenza artificiale migliorano l'accuratezza e l'efficienza nella redazione di documenti sensibili.

Questo articolo analizza come unire immagini reali e sintetiche aumenti l'accuratezza e l'equità nel riconoscimento facciale.

LoRD migliora l'efficienza negli attacchi di estrazione dei modelli sui grandi modelli linguistici.

Nuove strategie per migliorare il rilevamento degli outlier stanno cambiando i metodi di analisi dei dati.

Nuovo approccio usa l'apprendimento federato per ottimizzare le decisioni di offloading delle attività mobili.

CoAst offre una valutazione innovativa dei contributi nell'apprendimento federato senza bisogno di dati di convalida.

I ricercatori hanno sviluppato una tecnica per proteggere parole importanti nei dati di testo.

Uno sguardo alla privacy differenziale e al suo ruolo nella protezione dei dati individuali pur garantendo l'utilità.

Un framework per proteggere la privacy delle immagini mantenendo l'accuratezza del modello.

Nuovi metodi collegano i metadati ai grafi di conoscenza per una migliore interpretazione dei dati.

I ricercatori valutano i rischi di identificare le persone dai dati condivisi per migliorare la privacy.

Uno studio rivela incoerenze nel modo in cui le app Android segnalano la raccolta dei dati.

Scopri come le date di campionamento influenzano la nostra comprensione della diffusione di virus e batteri.

Nuovi metodi migliorano l'efficienza del machine learning negli ambienti mobili.

Presentiamo FedFT, un metodo per migliorare la comunicazione nel Federated Learning.

Nuovi metodi migliorano i calcoli sicuri nelle reti neurali mantenendo la privacy.

Scopri come la stima del rapporto di densità misura efficacemente la qualità dei dati sintetici.

Uno sguardo su come sfruttare l'apprendimento distribuito mantenendo la privacy dei dati.

Un'app web che semplifica l'apprendimento federato per migliorare la privacy dei dati e l'accessibilità per gli utenti.

Metodi per migliorare la sicurezza della blockchain usando tecniche di aggiunta di rumore.

Un nuovo approccio migliora la patologia digitale garantendo al contempo la privacy dei pazienti.

Un nuovo framework combina l'apprendimento federato e modelli multimodali per migliorare la privacy e le performance.

RC-FED riduce i costi di comunicazione mantenendo la qualità del modello nell'apprendimento federato.

Un nuovo metodo migliora le prestazioni del modello garantendo al contempo la privacy nel deep learning.