Artigos mais recentes para Privacidade de Dados

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.

Explorando maneiras de melhorar o compartilhamento de dados enquanto garante a privacidade do usuário.

Explorando métodos de privacidade diferencial pra insights de dados seguros.

Esse artigo fala sobre um esquema pra gerenciar a privacidade em cenários com vários analistas.

Como ferramentas de linguagem avançadas estão transformando a análise de políticas de privacidade.

FedGKD melhora o aprendizado federado para Redes Neurais Gráficas otimizando a extração de características da tarefa.

Saiba sobre os riscos de usar plugins em plataformas de LLM.

Ataques acústicos ameaçam a segurança dos dados ao capturar sons das teclas do teclado.

Apresentando um protocolo para previsão de links que preserva a privacidade em grafos distribuídos.

Explorando como os atacantes usam modelos de linguagem grandes para extrair conhecimento.

Um novo método protege dados sensíveis durante o treinamento de aprendizado de máquina.

DFedADMM e DFedADMM-SAM melhoram o treinamento do modelo enquanto garantem a privacidade dos dados.

Fed-LSAE aumenta a segurança no aprendizado federado e combate ataques de envenenamento.

Uma nova ferramenta pra análise de dados segura sem comprometer a privacidade do usuário.

NOMA traz riscos de segurança únicos por causa dos canais compartilhados entre vários usuários.

Este estudo analisa métodos de comunicação segura em IIoT usando técnicas NOMA.

A sanitização do conhecimento ajuda a proteger informações sensíveis em modelos de linguagem.

Estudo analisa os aspectos amigáveis dos populares ferramentas de privacidade diferencial.

Um olhar sobre Edge ML e seu papel em reconhecer atividades humanas.

O papel da IA na transformação da gestão de redes para tecnologias wireless avançadas.

Um novo método melhora o Aprendizado Federado ao lidar com a defasagem e as diferenças entre dispositivos.

Um novo protocolo garante privacidade em computações usando sistemas SN P.

Apresentando o PFL-GAN: uma solução feita sob medida pra variabilidade de clientes no aprendizado federado.

Uma nova abordagem melhora o aprendizado federado para dados variados de clientes.

Um olhar sobre o desensino de máquina pra melhorar modelos generativos e seus resultados.

Um novo método melhora a precisão do modelo através de aprendizado federado e regressão por kernel.

A privacidade diferencial protege os dados pessoais durante a análise, garantindo a privacidade de cada um.

Uma olhada no Aprendizado Profundo de Equilíbrio Federado e seu impacto na IA.

A SANGEA oferece uma maneira escalável de criar gráficos sintéticos de alta qualidade.

Um guia para aprendizado de máquina colaborativo distribuído mantendo a privacidade dos dados.

Uma nova abordagem para compartilhar dados de forma segura, garantindo privacidade e conformidade.

Analisando a confiança dos usuários no ChatGPT para decisões de saúde.

A SHIELD combina análise genética com proteções de privacidade pra pesquisa segura.

Dados sintéticos ajudam a prever os riscos da COVID-19 entre veteranos, garantindo a privacidade.