Artigos mais recentes para Privacidade de Dados

Explorando a ascensão dos modelos de linguagem descentralizados e suas vantagens em relação aos sistemas centralizados.

O FedSecure acelera a análise de dados de satélite enquanto garante privacidade e segurança.

O FCCA melhora a precisão do modelo enquanto garante a privacidade do usuário no aprendizado federado.

Um olhar sobre como o aprendizado federado e a poda de modelo melhoram o desempenho das redes sem fio.

O framework LDP-Auditor estima a perda de privacidade em métodos de Privacidade Diferencial Local.

Aprendizado Federado melhora o reconhecimento de fala enquanto mantém os dados dos usuários privados.

Uma nova abordagem equilibra privacidade e desempenho no treinamento de GNN.

Um novo protocolo tem como objetivo melhorar a privacidade nas transações com cartão.

Esse artigo explora um método pra melhorar o aprendizado federado com comunicação eficiente.

Esse método melhora a detecção de distúrbios cerebrais enquanto mantém os dados dos pacientes seguros.

EdgeFL simplifica o aprendizado federado, garantindo privacidade dos dados e eficiência.

Um novo método melhora a privacidade das imagens coletadas por câmeras olho de peixe em carros autônomos.

Métodos inovadores melhoram a segurança na comunicação digital para informações sensíveis.

A esteganálise ajuda a detectar mensagens escondidas em multimídia, garantindo uma comunicação segura.

Novos métodos melhoram a eficiência do aprendizado federado enquanto garantem a privacidade dos dados.

Esse estudo avalia a eficácia dos sistemas de IA em ajudar os usuários sobre políticas de privacidade.

Como o aprendizado por transferência melhora a detecção de ameaças e a privacidade na cibersegurança.

Uma nova abordagem usando aprendizado federado para mapeamento em larga escala com campos de radiança neural.

Pesquisas mostram como LLMs podem aumentar a privacidade enquanto mantêm a eficácia do modelo de linguagem.

Novos métodos melhoram o treinamento de modelos enquanto protegem a privacidade dos dados dos usuários.

Explorando vulnerabilidades e estratégias de defesa em sistemas de comunicação semântica.

Fairness as a Service enfrenta o viés em sistemas de aprendizado de máquina de forma segura.

A pesquisa busca melhorar o monitoramento e a prevenção de infecções em lares de idosos.

Novos métodos pra preservar a privacidade enquanto compartilha informações entre vários grupos.

Um jeito de lidar com preocupações de privacidade e justiça em aprendizado de máquina.

Um método novo que usa TEEs pra proteger modelos de aprendizado de máquina em aprendizado federado.

Aprender com Drift melhora o desempenho do modelo em aprendizado federado com dados diversos.

FedDIP otimiza a comunicação em aprendizado federado através de poda dinâmica e regularização.

Este artigo examina o papel das PETs na privacidade de dados e suas aplicações.

Analisando as complexidades da privacidade de dados e do desaprendizado em aprendizado de máquina.

FedJudge oferece uma abordagem focada em privacidade para o treinamento de modelos de linguagem jurídica.

Esse trabalho fala sobre geração de dados sintéticos usando privacidade diferencial para estudos econômicos.

Um método que combina Aprendizado Dividido com Criptografia Homomórfica melhora a privacidade em aprendizado de máquina.

Um jeito de otimizar as configurações de privacidade pra ter uma proteção de dados melhor e mais utilidade.

Uma nova estrutura garante que as respostas de dados sintéticos sejam confiáveis para pesquisa.

Uma estrutura pra garantir a privacidade do usuário em GNNs sem perder a precisão.

Um olhar sobre os desafios no Aprendizado Federado a partir de ataques de reconstrução de dados.

Um método que permite aprendizado de máquina em dados criptografados pra proteger a privacidade do usuário.

Um estudo sobre como identificar a melhor opção enquanto garante a privacidade dos dados.

Esse método melhora as recomendações ao mesmo tempo que protege a privacidade dos dados dos usuários.