Artigos mais recentes para Privacidade

Uma nova abordagem melhora o Aprendizado Federado gerando dados sintéticos enquanto protege a privacidade.

Explorando a importância da segurança dos dados em instalações de arte imersiva.

Explorando a importância da segurança e do feedback dos usuários em apps de pagamento.

Analisando vulnerabilidades em LLMs por causa de dados de preferência humana.

Um novo modelo para comunicação entre agentes focando em privacidade e consistência.

Explorando os desafios e avanços em proteger dados sensíveis enquanto mantém sua utilidade.

Um novo framework avalia métodos para anonimizar dados biométricos pra aumentar a privacidade.

Um novo método para deduplicação de dados eficiente em aprendizado federado.

Explorando privacidade diferencial em nível de usuário no treinamento de modelos de linguagem grande.

Explorando os benefícios do Aprendizado Federado para detecção de anomalias em redes de IoT.

Um olhar sobre os desafios e soluções de privacidade e integridade do aprendizado federado.

As regras orientam o uso seguro e justo das tecnologias de IA em diversos setores.

Este artigo apresenta métodos para melhorar o desempenho do modelo enquanto garante a privacidade dos dados.

Um olhar sobre a geração de dados sintéticos para mobilidade urbana e os desafios de privacidade.

Novos métodos estão garantindo a privacidade na pesquisa de dados genômicos.

Novos métodos melhoram a proteção de privacidade em modelos de linguagem grandes.

Analisando os desafios de privacidade que os trabalhadores enfrentam em ambientes de home office.

Descubra como dados sintéticos ajudam os varejistas a proteger a privacidade dos clientes enquanto ganham insights.

Explorando os riscos de privacidade em dados sintéticos e apresentando o Índice de Plágio de Dados.

Mostrando como ferramentas de terceiros podem comprometer a privacidade do usuário.

Estudo revela riscos surpreendentes de compartilhar dados sensíveis com chatbots.

Um novo framework aborda justiça, privacidade, interpretabilidade e emissões na IA.

Esse estudo analisa a confiança e a usabilidade em sistemas de votação eletrônica.

Explorando privacidade diferencial pra proteger informações sensíveis em aplicações de IA.

Um conjunto de dados robusto para treinar sistemas de IA avançados baseados em chat.

PUFFLE oferece uma solução para os desafios de privacidade, utilidade e justiça no aprendizado de máquina.

Este estudo revela novos métodos para reconstruir dados de treinamento a partir de imagens de alta resolução.

Analisando as vantagens e perigos da IA na nossa tecnologia móvel do dia a dia.

Esse método melhora a privacidade enquanto aumenta a precisão do modelo em IA.

Apresentando uma estrutura que equilibra privacidade e detecção eficaz de eventos sociais.

Um novo método melhora a análise de dados seguros enquanto protege a privacidade.

Uma olhada na abordagem do modelo shuffle para proteger a privacidade dos dados dos usuários.

Um esquema para o desenvolvimento ético da IA em sistemas de saúde.

Este estudo analisa as diferenças de privacidade entre aprendizado federado descentralizado e centralizado.

Analisando ameaças à privacidade ligadas a conexões sociais em espaços digitais.

Um framework melhora a segurança em veículos conectados enquanto protege a privacidade do usuário.

Métodos inovadores melhoram a identificação de sites através da análise do tráfego de rede.

Um novo método garante uma correspondência de nomes segura enquanto protege dados sensíveis.

OpenUAS oferece uma visão detalhada do uso de áreas urbanas nas principais cidades do Japão.

Nova abordagem de dados sintéticos melhora a privacidade no aprendizado federado.