Artigos mais recentes para Privacidade de Dados

Novos métodos revelam sérias ameaças à privacidade devido ao compartilhamento de dados de localização.

Novo método promete apagar dados de forma eficiente enquanto mantém o desempenho do modelo.

Um novo método ajuda a manter os dados privados seguros em modelos de linguagem.

Apresentando o FC-EM pra proteger dados de nuvem de pontos 3D contra acesso não autorizado.

Analisando os desafios e as implicações de desaprender em modelos de IA.

Uma olhada no algoritmo FedQ-Advantage no aprendizado por reforço federado.

FedMap melhora a eficiência do Aprendizado Federado enquanto garante a privacidade dos dados.

Novos métodos geram dados sintéticos para proteger a privacidade em cenários colaborativos.

A Privacidade Diferencial Local permite o compartilhamento seguro de dados enquanto protege as informações individuais dos usuários.

Uma nova abordagem para boxplots garante a privacidade dos dados enquanto mantém uma análise legal.

Uma nova abordagem combina análise de voz com proteção de privacidade para detecção de demência.

Treinamento colaborativo de algoritmos médicos enquanto protege a privacidade dos pacientes.

Analisando a relação entre técnicas de privacidade e preconceitos em modelos de linguagem.

AAggFF apresenta estratégias adaptativas para um desempenho equitativo de modelos em Aprendizado Federado.

Novos métodos melhoram a privacidade e a coerência usando colocações em dados de linguagem.

Um novo método pra reescrever texto que garante privacidade e mantém o sentido.

A contaminação de código aumenta os riscos de ataques de inferência de membros em dados sensíveis.

Pesquisas mostram como é fácil remover as funções de segurança dos modelos Llama 3.

Novas técnicas melhoram estudos genômicos colaborativos enquanto garantem a privacidade dos dados.

Um novo método reduz o uso de energia enquanto melhora os resultados de aprendizado em sistemas descentralizados.

A QUEEN oferece proteção em tempo real contra ataques de extração de modelo em deep learning.

Ajustando grandes modelos de linguagem diretamente nos smartphones enquanto protege os dados dos usuários.

Um novo método para recuperação de dados de forma eficiente em ambientes descentralizados.

Uma estrutura pra compartilhar informações de saúde de forma segura, protegendo a privacidade dos pacientes.

Esse artigo explora os benefícios de usar FP8 no aprendizado federado.

Um olhar sobre como modelos de linguagem podem vazar dados sensíveis.

Esse artigo analisa os riscos ligados aos LLMs e sugere formas de melhorar a segurança.

Explorando os desafios legais trazidos pela rápida evolução da IA generativa.

Um novo modelo melhora o aprendizado federado garantindo a privacidade dos dados.

Este estudo avalia modelos avançados para gerar dados de viagem falsos e suas aplicações práticas.

Venomancer é um ataque sorrateiro de backdoor em sistemas de aprendizado federado.

CLAMP-ViT oferece uma nova forma de comprimir transformers visuais usando dados sintéticos.

Um sistema de detecção melhora a segurança dos veículos contra ameaças cibernéticas usando técnicas avançadas.

Nova tecnologia de radar monitora a frequência cardíaca durante o sono e a meditação sem desconforto.

Zero-X melhora a cibersegurança para veículos conectados contra ameaças novas.

Um novo framework melhora a eficiência no aprendizado federado de borda otimizando recursos e dados.

Analisando ataques de inferência de membresia em modelos de previsão de séries temporais na saúde.

Aprimorando a segurança da rede inteligente usando honeypots e abordagens de aprendizado federado.

Uma visão geral de métodos para proteger informações pessoais enquanto mantém a utilidade dos dados.

Um método pra estimar as participações da comunidade enquanto protege a privacidade individual.