Artigos mais recentes para Privacidade de Dados

Explorando o uso de marcas d'água pra lidar com questões de copyright em modelos de linguagem.

Esse artigo explora os desafios de segurança e os métodos de teste para redes 5G.

Um novo sistema aumenta a velocidade da inferência de ML enquanto preserva a privacidade dos dados.

Um novo conjunto de dados sintético permite detecção precisa de cabeças e modelagem 3D.

Uma olhada na abordagem do modelo shuffle para proteger a privacidade dos dados dos usuários.

Novo método melhora a geração de dados sintéticos enquanto garante a proteção da privacidade.

Um esquema para o desenvolvimento ético da IA em sistemas de saúde.

Um estudo detalhado sobre como os modelos memorizam texto e suas implicações.

Explorando Privacidade Diferencial Local Quântica pra proteger dados quânticos.

Novas técnicas melhoram a geração de imagens faciais pra reconhecer condições genéticas.

Novos métodos melhoram a privacidade e a comunicação no aprendizado federado.

Analisando as ameaças à privacidade que os dados de ECG trazem na saúde.

Este estudo analisa as diferenças de privacidade entre aprendizado federado descentralizado e centralizado.

Analisando a privacidade diferencial em processamento de linguagem natural pra uma proteção de dados melhor.

Este artigo analisa como a desfiguração afeta as avaliações da qualidade de imagens de ressonância magnética.

Analisando ameaças à privacidade ligadas a conexões sociais em espaços digitais.

Um framework melhora a segurança em veículos conectados enquanto protege a privacidade do usuário.

Métodos inovadores melhoram a identificação de sites através da análise do tráfego de rede.

O Defogger traz novas estratégias pra explorar dados sensíveis sem abrir mão da privacidade.

Esse artigo fala sobre métodos de aprendizado federado e como eles afetam a privacidade e a utilidade do modelo.

Analisando CP-NIZKs colaborativos para melhorar a privacidade e eficiência nas provas.

Este estudo analisa a eficácia de ataques físicos de porta dos fundos com rótulo limpo em redes neurais profundas.

Analisando o conjunto de dados FairJob pra garantir oportunidades de trabalho iguais pra todo mundo.

Um novo método para geração segura de chaves entre dispositivos em redes sem fio.

Novo framework permite a remoção eficiente de dados sensíveis de Redes Neurais Gráficas.

Explorando o esquecimento de máquinas e seu papel em melhorar a segurança e a privacidade da IA generativa.

Um novo método garante uma correspondência de nomes segura enquanto protege dados sensíveis.

OpenUAS oferece uma visão detalhada do uso de áreas urbanas nas principais cidades do Japão.

LocPIR melhora a privacidade em serviços baseados em localização com criptografia avançada.

Esse framework melhora o acesso e a eficiência dos modelos de IA usando sharding híbrido.

Uma nova abordagem destaca tokens surpreendentes para avaliar os dados de treinamento dos modelos de linguagem.

Esse artigo discute um método pra introduzir backdoors em redes neurais durante o treinamento.

Novos métodos detectam e respondem à memorização em conteúdo gerado por IA.

Explorando princípios para relacionamentos éticos entre as pessoas e seus dados.

Um novo método resolve os desafios de privacidade na estimativa precisa de estatísticas U.

Um novo método para estimativa de densidade que preserva a privacidade usando decodificação de lista estável.

Um novo método melhora a eficiência de aprendizado enquanto preserva o conhecimento em sistemas de aprendizado federado.

Provas de conhecimento zero aumentam a privacidade e segurança nas transações digitais modernas.

Novos métodos enfrentam problemas de cópia em modelos de geração de imagem.

Este artigo fala sobre métodos pra esconder a autoria enquanto garante que o texto ainda dê pra usar.