Artigos mais recentes para Privacidade de Dados

Combinando aprendizado federado e blockchain pra compartilhar modelos com segurança.

O FlexMod melhora o aprendizado federado otimizando a alocação de recursos para diferentes tipos de dados.

Apresentando um novo método pra melhorar a eficiência do aprendizado federado com submodelos personalizados.

Um novo framework melhora a privacidade e a eficiência no aprendizado federado.

Um método pra conserto automático de bugs de software com foco em privacidade e segurança.

Analisando a necessidade de transparência no uso de dados de saúde para pesquisa.

Novos métodos melhoram o reconhecimento facial enquanto lidam com preocupações de privacidade.

Analisando o equilíbrio entre descentralização e eficiência em tarefas de computação terceirizadas.

O ELM mostra que modelos de linguagem menores e específicos para o contexto são eficazes na educação.

Novos métodos melhoram a privacidade dos dados enquanto mantêm a precisão da análise.

Explorando os riscos de privacidade na modelagem de imagens mascaradas e suas implicações.

O framework Pulse oferece uma nova abordagem para detectar ransomware desconhecido de forma eficaz.

Descubra como o Thompson Sampling protege a privacidade enquanto faz escolhas informadas.

Um método para inferência colaborativa na borda priorizando privacidade e eficiência.

A pesquisa apresenta um novo conjunto de dados e métodos pra melhorar a ReID de vídeos entre plataformas.

Um guia pra entender melhor a privacidade diferencial e suas implicações pra dados pessoais.

Um novo IDS melhora a segurança dos veículos contra ameaças cibernéticas que estão crescendo.

Examinando métodos defensivos pra proteger o Aprendizado Federado de vazamentos de dados.

Um novo método melhora a comunicação em Aprendizado Federado através de um agendamento ótimo de atualizações.

Um novo sistema tem como objetivo melhorar a privacidade em comunicação e sensoriamento sem fio.

Uma nova estrutura melhora a precisão do modelo ao lidar com o desequilíbrio de dados, garantindo ao mesmo tempo a privacidade.

Uma nova abordagem para melhorar resumos de código incluindo o contexto essencial.

Saiba como o aprendizado federado melhora a detecção de objetos pequenos enquanto mantém a privacidade dos dados.

O MIA-Tuner tenta resolver problemas de privacidade nos dados de treinamento de LLM.

Um novo framework melhora a privacidade e a qualidade dos dados no aprendizado federado.

Pesquisadores propõem um método pra melhorar modelos médicos sem comprometer a privacidade dos dados.

Um sistema para aprendizado seguro de IA na saúde sem compartilhar dados dos pacientes.

Uma olhada nos desafios e benefícios de adicionar novos clientes em aprendizado federado.

Esse artigo fala sobre como usar pré-treinamento pra melhorar a privacidade e o desempenho no Aprendizado Federado.

Combinar poda de modelo e alocação de banda melhora a eficiência no aprendizado federado.

Um novo método melhora o rastreamento de vazamentos de privacidade em grandes modelos de linguagem.

Este estudo analisa o FEWS e o OEWS em como melhorar o desempenho dos modelos de fabricação.

Explorando o papel das tecnologias de privacidade no combate a crimes financeiros.

Explore a importância dos scores de alavancagem na análise de dados e privacidade.

Analisando vulnerabilidades em ferramentas de completude de código e o impacto na privacidade dos usuários.

Explorando medidas de segurança em aprendizado federado hierárquico contra vários ataques.

A Clustering Federado ajuda a analisar dados enquanto mantém informações sensíveis em privado.

Uma olhada nos benefícios e desafios do crowd-sensing, focando na privacidade e no engajamento dos usuários.

Apresentando o DUCD, um jeito focado em privacidade pra proteger DNNs de ataques adversariais.

Analisando questões de copyright com aprendizado de máquina na geração de conteúdo.