Articoli più recenti per Privacy dei dati

La ricerca mostra vulnerabilità nell'approccio del federated learning alla privacy del testo.

Esplorando il metodo NatMU per un'efficace disapprendimento della macchina e privacy dei dati.

Disimparare migliora la privacy nei sistemi di raccomandazione mantenendo alta la qualità delle raccomandazioni.

I dati sintetici offrono soluzioni promettenti per le sfide nell'imaging medico.

Esplorando l'impatto dell'IA su efficienza, privacy e sicurezza nei sistemi vitali.

Un nuovo metodo riduce i carichi di comunicazione nell'apprendimento federato mentre migliora la privacy.

Un nuovo metodo migliora l'accuratezza delle previsioni proteggendo la privacy degli utenti nei modelli cloud.

Client2Vec migliora l'apprendimento federato creando identificatori unici per i dati degli utenti.

Un nuovo metodo migliora gli attacchi di jailbreak su modelli AI avanzati usando il gioco di ruolo.

Scopri un metodo per l'ottimizzazione decentralizzata che protegge i dati degli utenti mentre migliora l'efficienza.

Esplorando il mix tra apprendimento orientato alla privacy e tecniche di generazione dei dati.

Scopri come AltGDmin affronta i dati mancanti in un contesto federato.

Un nuovo metodo per migliorare l'apprendimento federato tramite la Modellazione Additiva Multi-Livello.

Esplorare nuovi modi per garantire la privacy nelle comunicazioni wireless.

Un nuovo metodo migliora l'equità nell'apprendimento federato tra comunità diverse.

La formazione di LLM open-source migliora la modellazione di ottimizzazione per le applicazioni industriali.

Sfruttare modelli a uscita anticipata per un federated learning efficiente nei sistemi ASR.

Esplora il ruolo fondamentale del controllo degli accessi nell'edge computing.

FedHPL migliora l'efficienza dell'apprendimento federato mantenendo la privacy dei dati su tutti i dispositivi.

Un nuovo metodo permette il trasferimento dei moduli LoRA con dati sintetici, riducendo al minimo la dipendenza dai dati originali.

Questo studio migliora la sicurezza del machine learning quantistico contro attacchi avversari tramite canali di rumore e metodi di privacy.

Fast-FedUL offre metodi rapidi per rimuovere i dati nell'apprendimento federato, garantendo al contempo la privacy.

Nuovi metodi migliorano i processi di rimozione dei dati nei modelli di machine learning.

KALM4Rec migliora le raccomandazioni per i nuovi utenti usando metodi basati su parole chiave.

Scopri come la minimizzazione dei dati protegge la privacy in mezzo alla crescente raccolta di dati.

Nuovi metodi riducono i rischi di memorizzazione nell'imaging medico con modelli di diffusione.

FeMLoc migliora la localizzazione indoor usando tecniche di apprendimento federato e meta-apprendimento.

Questo articolo parla dell'impatto della privacy differenziale sulla fiducia nel censimento degli Stati Uniti.

Un nuovo metodo per migliorare l'apprendimento continuo senza esempi tracciando i cambiamenti nella rappresentazione delle classi.

FedGELA affronta le sfide nell'apprendimento federato con dati parzialmente disgiunti.

Un nuovo metodo per l'apprendimento federato che affronta le sfide dell'apprendimento continuo.

FedLESAM affronta le sfide dei dati nell'apprendimento federato per migliorare le prestazioni del modello.

Esplorare metodi per proteggere le informazioni dei pazienti nella ricerca clinica.

FedMR affronta le sfide nell'apprendimento federato con dati di classi parziali, migliorando le prestazioni del modello.

PadFL migliora la condivisione dei modelli e l'efficienza tra diverse capacità dei dispositivi.

Il Federated Learning allena i modelli mantenendo i dati degli utenti privati e al sicuro.

Gli strumenti di intelligenza artificiale supportano i negoziatori in ambienti complessi, migliorando l'efficienza e il processo decisionale.

Un metodo per riscrivere testi proteggendo la privacy delle persone.

Un nuovo approccio migliora la sicurezza e le prestazioni nell'apprendimento federato con blockchain.

Uno studio rivela come le app mobili influenzano il comportamento di viaggio.