Artigos mais recentes para Privacidade de Dados

Um jeito de melhorar a privacidade em sistemas MIMO ISAC contra ameaças potenciais.

Uma olhada no Aprendizado Federado Hierárquico e suas vantagens para a privacidade dos dispositivos.

Um novo método melhora o aprendizado federado diminuindo a transmissão de dados e o uso de energia.

Uma nova abordagem usa dados sintéticos pra melhorar o reconhecimento de dor em vídeos.

Este artigo discute métodos para anonimizarem redes enquanto preservam a utilidade dos dados.

Explorando a importância da responsabilidade em sistemas de software que afetam resultados sociais e legais.

Um novo método melhora a estimativa de gradiente enquanto mantém a privacidade dos dados no aprendizado federado.

Esse benchmark avalia as ameaças à privacidade e os mecanismos de defesa em modelos de PLN.

Esse artigo foca em identificar o uso indevido de dados em modelos de texto para imagem.

Um novo método protege a privacidade enquanto encontra valores máximos em redes distribuídas.

A criptografia seletiva melhora a privacidade sem comprometer o desempenho do modelo no aprendizado colaborativo.

Um novo método equilibra personalização e privacidade no aprendizado federado.

Apresentando uma estrutura pra treinar modelos de aprendizado de máquina de forma segura.

Técnicas para proteger dados sensíveis em aprendizado de máquina.

Um olhar sobre computação que preserva a privacidade e sua eficiência através de designs centrados na memória.

Um novo método para contar ciclos em grafos enquanto garante a privacidade do usuário.

A desaprendizagem de grafos oferece uma solução pra remover dados desatualizados sem precisar fazer um re-treinamento completo.

CryptoTrain combina técnicas criptográficas pra proteger dados sensíveis durante o treinamento de machine learning.

FeDETR usa aprendizado federado para melhorar a avaliação de estenose coronária.

Sistemas personalizados melhoram o monitoramento da saúde e do comportamento com modelos ajustados.

Métodos para melhorar a privacidade na análise de Cox federada são explorados.

O TLSNotary garante a autenticidade dos dados enquanto mantém a privacidade do cliente nas comunicações online.

Um olhar sobre como a privacidade diferencial protege os dados individuais em um mundo movido a dados.

Explorando a necessidade de uma boa aplicação das políticas de uso de dados.

Uma visão geral sobre vazamento de informações, seu impacto e como medi-lo.

Analisando percepções locais sobre privacidade de dados móveis durante uma iniciativa de ajuda na pandemia.

Pesquisa revela atitudes em relação a apps de saúde e compartilhamento de dados entre as gerações.

Uma olhada nos riscos de privacidade e métodos seguros para IA generativa.

Analisando como os modelos SSL memorizam pontos de dados e suas implicações.

A-FedPD alinha as atualizações do modelo pra reduzir a instabilidade do treinamento no aprendizado federado.

Um novo método prevê riscos de memorização em Modelos de Linguagem Grande pra melhorar a privacidade.

Um novo método melhora a privacidade na compartilhamento de dados para previsões de cidades inteligentes.

TAKFL otimiza o compartilhamento de conhecimento no aprendizado federado para as diferentes capacidades dos dispositivos.

Este artigo melhora o aprendizado federado para GNNs enquanto preserva a privacidade dos usuários.

Novos métodos melhoram a auditoria do uso de dados em sistemas de Aprendizado Federado.

Um estudo comparando ameaças à privacidade em redes neurais spiking e artificiais.

Um novo método protege o aprendizado descentralizado de ataques de contaminação de dados.

Um novo método pra melhorar a resistência do Aprendizado Federado contra ataques de dados.

Entendendo as complicações de provar o uso de dados no treinamento de IA.

Combinar prompts globais e locais melhora os modelos de aprendizado federado sem abrir mão da privacidade dos dados.