Articoli più recenti per Privacy dei dati

Esplorando tecniche per analisi dei dati che preservano la privacy senza compromettere l'accuratezza.

Nuove tecniche migliorano la privacy e la sicurezza nelle query e nelle transazioni del database.

Un modello che protegge i dati personali nei testi legali italiani.

Questo lavoro migliora la privacy nella diffusione dei grafi mantenendo l'utilità dei dati.

Esplorare come i profili utente migliorano la personalizzazione nei modelli di linguaggio.

TX-Phase migliora l'imputazione dei genotipi garantendo al contempo la privacy dei dati per i ricercatori.

Scopri come la privacy differenziale protegge i dati personali pur permettendo analisi utili.

Combinare IoT e blockchain migliora la privacy e la sicurezza per il tracciamento della posizione.

Crepe permette ai ricercatori di raccogliere dati dallo schermo del mobile in modo semplice.

TimeAutoDiff offre nuove soluzioni per creare dati di serie temporali sintetici realistici.

Questo studio esamina il ruolo dei dati individuali nella modellazione basata sugli agenti.

Lomas permette di accedere in modo sicuro ai dati pubblici per la ricerca senza compromettere la privacy.

Questo metodo migliora la trasparenza nel determinare l'autore dei documenti.

Affrontare i pregiudizi nel riconoscimento facciale attraverso dataset di addestramento bilanciati.

AUTOPRIV semplifica la privacy dei dati per gli utenti senza competenze tecniche.

Nuovi metodi sfruttano i modelli linguistici per migliorare il riconoscimento delle attività nelle smart home.

Un approccio flessibile per generare CFE che rispetta le preoccupazioni sulla privacy dei dati.

Scopri il ruolo della crittografia nel proteggere le informazioni e salvaguardare la privacy.

Un nuovo metodo migliora la memoria e l'adattabilità nei modelli di imaging medico.

FedBiOT migliora i modelli di linguaggio di grandi dimensioni mantenendo la privacy dei dati e un basso utilizzo delle risorse.

Tecniche per migliorare le prestazioni nell'addestramento di modelli con privacy differenziale.

QFHE permette di fare calcoli su dati criptati per migliorare la privacy e la sicurezza.

Questo articolo presenta un metodo per proteggere i dati personali nei sistemi di apprendimento automatico.

Come l'apprendimento federato affronta le minacce alla privacy mentre cerca la sicurezza dei dati.

Un nuovo metodo migliora la personalizzazione dei LLM per un migliore coinvolgimento degli utenti.

Nuovi metodi rivelano gravi minacce alla privacy derivanti dalla condivisione dei dati sulla posizione.

Un nuovo metodo promette un'azzeramento dei dati efficiente mantenendo le prestazioni del modello.

Un nuovo metodo aiuta a mantenere al sicuro i dati privati nei modelli linguistici.

Introducendo FC-EM per proteggere i dati delle nuvole di punti 3D da accessi non autorizzati.

Esaminare le sfide e le implicazioni del disapprendimento nei modelli di IA.

Uno sguardo all'algoritmo FedQ-Advantage nell'apprendimento per rinforzo federato.

FedMap migliora l'efficienza dell'apprendimento federato garantendo la privacy dei dati.

Nuovi metodi generano dati sintetici per proteggere la privacy in scenari collaborativi.

La Privacy Differenziale Locale consente la condivisione sicura dei dati proteggendo le informazioni individuali degli utenti.

Un nuovo approccio ai boxplot garantisce la privacy dei dati mantenendo un'analisi utile.

Un nuovo approccio combina l'analisi vocale con la protezione della privacy per la rilevazione della demenza.

Formazione collaborativa di algoritmi medici proteggendo la privacy dei pazienti.

Esaminando il rapporto tra tecniche di privacy e pregiudizi nei modelli linguistici.

AAggFF introduce strategie adattive per un rendimento equo dei modelli nel Federated Learning.

Nuovi metodi migliorano la privacy e la coerenza usando collocazioni nei dati linguistici.