Artigos mais recentes para Privacidade de Dados

Um novo esquema melhora a segurança e a privacidade em redes de pequenas células.

Um novo mecanismo melhora a geração de dados sintéticos enquanto protege a privacidade de cada um.

Novos métodos melhoram a habilidade da IA de esquecer dados enquanto mantém o desempenho.

Analisando o impacto dos dados prévios na privacidade diferencial em ataques de reconstrução de imagem.

Uma nova abordagem pra simplificar os acordos de acesso a dados.

Novos métodos têm como objetivo melhorar a remoção de dados em modelos de linguagem, sem comprometer o desempenho.

Um novo método melhora a privacidade no aprendizado federado contra ataques de inversão de gradiente.

Explorando novas preocupações de privacidade no uso de modelos de difusão.

Novos métodos melhoram o aprendizado do modelo ao incluir dispositivos mais lentos no aprendizado federado.

Pesquisa sobre o uso de smartwatches e a confiança dos usuários em compartilhar dados.

Uma nova abordagem pra melhorar as habilidades de resumir em modelos menores usando modelos maiores.

Um framework proposto melhora a segurança do aprendizado federado contra ataques adversariais.

Um novo método pra gerenciar o fluxo de dados respeitando as escolhas de privacidade do usuário.

Esse framework permite um treinamento colaborativo de modelos, garantindo a privacidade dos dados e a integridade do modelo.

Aprenda como frameworks de programação melhoram a privacidade diferencial para análise de dados.

Os LLMs vão melhorar a privacidade e a funcionalidade nos dispositivos móveis.

Explorando maneiras de aumentar a privacidade no aprendizado descentralizado sem perder desempenho.

O "machine unlearning" permite que modelos esqueçam dados, o que é essencial pra estar em conformidade com a privacidade de dados.

Novos métodos melhoram a segurança dos dados e a eficiência para tecnologia inteligente.

Pesquisadores sugerem treinar modelos com imagens alteradas pra minimizar problemas de copyright.

Aprendizado federado melhora a cooperação entre veículos autônomos em condições climáticas difíceis.

Um estudo revela novas técnicas para ataques de backdoor em modelos de linguagem com impacto mínimo.

Um olhar sobre os riscos e avaliações dos Modelos de Linguagem Grande na segurança.

Um novo framework pra análise segura de dados de usuários em bancos de dados não confiáveis.

A HETAL mantém os dados dos clientes seguros enquanto treina modelos de aprendizado de máquina.

Um novo método para localização segura sem comprometer dados sensíveis.

O FedMef melhora o aprendizado federado para dispositivos com poucos recursos através de técnicas de poda inovadoras.

Analisando as preocupações éticas dos Modelos de Linguagem Grande na medicina.

Novos métodos protegem os dados pessoais na geração de imagens.

PMixED melhora a privacidade sem abrir mão da performance em modelos de linguagem grandes.

Explorando LF QSDC como uma solução segura para a Web 3.0.

Esse artigo analisa questões de licenciamento de código no treinamento de modelos de IA.

Um novo método protege preferências pessoais enquanto permite classificações úteis.

Melhorando sistemas de rastreamento ocular através de métodos de treinamento inovadores e combinação de dados.

Um novo framework pra treinar modelos sem compartilhar dados sensíveis.

Aprenda como frases fantasma podem ajudar os usuários a proteger seus dados pessoais online.

Um método pra gerar dados sintéticos usando redes bayesianas pra proteger a privacidade enquanto permite a análise.

Uma nova abordagem pra melhorar a privacidade em IoT através do design de hardware.

Protocolos inovadores melhoram o aprendizado de máquina enquanto protegem dados sensíveis.

Explora o STochastic Gradient Langevin Unlearning pra privacidade de dados em machine learning.