Artigos mais recentes para Privacidade de Dados

AFedPG melhora a eficiência no aprendizado por reforço federado através de atualizações assíncronas.

Os bancos enfrentam desafios em compartilhar dados de negociação enquanto protegem a privacidade dos clientes.

Novos algoritmos melhoram a privacidade e a otimização em modelos de aprendizado de máquina.

Novos métodos melhoram a privacidade dos pacientes enquanto aprimoram a pesquisa em imagens médicas.

Analisando ameaças e defesas em aprendizado federado contra ataques maliciosos.

Explorando riscos de privacidade e soluções em modelos de linguagem grande.

Explorando as vulnerabilidades dos modelos de ML e possíveis defesas contra MIAs.

EncDB oferece segurança e eficiência melhoradas para gerenciar dados criptografados na nuvem.

Um olhar sobre como melhorar a segurança do IoT usando dados de sensores existentes para autenticação.

Os pesquisadores querem gerar dados sintéticos equilibrados pra evitar viés em machine learning.

Uma nova abordagem pra melhorar a e-saúde através de um gerenciamento de dados melhorado e privacidade dos pacientes.

Um novo algoritmo melhora o aprendizado federado ao lidar com a diversidade de clientes e a eficiência.

Novas regras atrapalham o progresso e a colaboração na pesquisa médica na Finlândia.

Uma visão geral dos desafios legais no desenvolvimento e uso da IA generativa.

Um método pra proteger a privacidade dos dados em sistemas de aprendizado descentralizado usando nós virtuais.

Um olhar sobre como os algoritmos podem respeitar os pedidos de exclusão de dados enquanto mantêm a eficiência.

Uma nova ferramenta tem como objetivo tornar os contratos legais mais fáceis de ler.

Um estudo sobre como melhorar a comunicação no aprendizado federado pra ter um desempenho melhor dos modelos.

Uma nova abordagem pra compartilhar dados de trajetória mantendo a privacidade do usuário.

Este artigo analisa como as etapas de pré-processamento podem impactar as garantias de privacidade dos dados.

A S3PHER empodera os pacientes permitindo o compartilhamento seguro de dados de saúde com os profissionais.

Uma análise de como usar modelos de linguagem pra avaliar a satisfação dos requisitos de software.

Um novo mecanismo de defesa reduz os riscos de ataque por inferência de rótulos em aprendizado de máquina colaborativo.

Esse estudo melhora o aprendizado federado ao aumentar a diversidade dos modelos enquanto protege a privacidade.

Uma nova abordagem para modelagem baseada em agente protege a privacidade individual enquanto mantém a precisão dos dados.

O DPV oferece uma estrutura clara pra lidar com dados pessoais.

Uma estrutura pra melhorar a colaboração na saúde, garantindo a privacidade dos pacientes.

Estratégias pra analisar dados sensíveis mantendo a privacidade.

Garantindo que o design da tecnologia respeite a diversidade e o contexto dos usuários.

Explorando como o BR-DP equilibra privacidade e análise de dados.

Apresentando os UGEs, um jeito novo de manter os dados seguros e utilizáveis.

Explorando métodos de ajuste fino pra melhorar a precisão do modelo enquanto garante a privacidade dos dados.

Analisando os riscos de ataques de envenenamento de modelo em sistemas de aprendizado federado.

Esse artigo explora métodos pra proteger a privacidade enquanto analisa dados de forma eficaz.

Um protocolo seguro pra proteger os dados dos usuários em aprendizado de máquina.

Os robôs otimizam o movimento usando uma nova técnica de aprendizado colaborativo.

DA-DPFL melhora o aprendizado federado ao reduzir custos e tempo de treinamento.

Explorando o papel de imagens de íris sintéticas em sistemas biométricos.

Melhorando o aprendizado federado com estruturas hierárquicas e um manejo inteligente de dados.

Otimizando métodos de geração de ruído pra melhorar a privacidade dos dados em aplicativos de streaming.