Articoli più recenti per Privacy dei dati

Un nuovo metodo per verificare l'unlearning delle macchine in modo efficace e sicuro.

Questo metodo rimuove effettivamente materiale protetto da copyright pur mantenendo le prestazioni del modello.

Questo articolo parla di feature unlearning e del suo impatto sulla privacy e sull'equità nel machine learning.

Questo articolo parla del soft prompting come metodo per l'unlearning delle macchine nei LLM.

P3GNN migliora il rilevamento APT proteggendo la privacy dei dati nelle reti SDN.

Esaminare la memorizzazione nei modelli di completamento del codice e le sue implicazioni sulla privacy.

Nuovi metodi rivelano le difficoltà nel disimparare conoscenze dai modelli linguistici.

I sistemi di raccomandazione influenzano l'esperienza degli utenti, ma hanno alcune preoccupazioni importanti riguardo a giustizia e privacy.

Un metodo per mantenere la privacy mentre si condividono statistiche sul traffico urbano.

Un framework per migliorare il rilevamento degli APT proteggendo la privacy.

LDMeta migliora la privacy e l'efficienza nei metodi di apprendimento distribuito.

Lo studio esamina come le pubblicità degli influencer influenzano le percezioni sui VPN e le credenze sulla sicurezza online.

Esplorando la sinergia tra i modelli di base e l'apprendimento federato per migliorare le applicazioni di intelligenza artificiale.

Un nuovo metodo migliora l'apprendimento federato usando solo un'immagine per l'addestramento.

Due robot migliorano la navigazione nei labirinti attraverso esperienze di apprendimento condiviso, mantenendo la privacy dei dati.

Nuovo metodo combina l'apprendimento federato con modelli di diffusione per la generazione di immagini incentrata sulla privacy.

Un metodo per migliorare la privacy dei dati nell'apprendimento federato rimuovendo influenze specifiche dei dati.

Snap aiuta i grandi modelli linguistici a disimparare informazioni specifiche mantenendo le loro prestazioni.

WavRx analizza il linguaggio per la salute proteggendo la privacy, mostrando risultati diagnostici promettenti.

Un nuovo modello migliora i dati EHR sintetici per applicazioni sanitarie migliori.

Questo articolo esplora come la privacy differenziale protegge i dati ECG nella sanità.

Fed-Grow permette agli utenti di costruire modelli più grandi insieme, proteggendo la privacy.

Questo articolo esplora strategie per proteggere la privacy individuale nel machine learning.

Fed-RAA migliora l'apprendimento federato adattandosi alle risorse dei client per una formazione più veloce.

Un nuovo approccio nell'apprendimento federato cattura le dipendenze dei dati mantenendo la privacy.

Un nuovo benchmark per l'unlearning delle macchine migliora la valutazione e il confronto dei metodi.

Un nuovo metodo riduce i rischi per la privacy nelle applicazioni di generazione aumentata da recupero.

Quest'articolo esplora metodi per rimuovere i dati degli utenti dalle reti neurali in modo efficiente.

SeCTIS permette di condividere in modo sicuro le informazioni sulle minacce informatiche mantenendo la privacy e la qualità dei dati.

Un nuovo metodo migliora la protezione della privacy nei modelli di linguaggio mantenendo le prestazioni.

Esplorare tecnologie per la privacy nell'analisi delle immagini mediche.

CEBench aiuta le aziende e i ricercatori a valutare i LLM mentre gestiscono costi e prestazioni.

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.