Artigos mais recentes para Privacidade de Dados

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.

Uma nova abordagem pra detectar problemas em máquinas sem comprometer a privacidade dos dados.

Explorando a privacidade complicada e seu papel na proteção de informações sensíveis.

Analisando o papel dos modelos de linguagem na transformação de aplicações médicas.

Pesquisadores conseguem estudar condições de saúde sem precisar acessar os registros individuais dos pacientes.

Algoritmos inovadores pra contar itens distintos enquanto garantem a privacidade dos dados.

Um estudo detalhado sobre a segurança dos protocolos Olm e Megolm no Matrix.

Um guia sobre os requisitos éticos para desenvolver sistemas de IA responsáveis.

Um novo conjunto de dados simula diálogos entre psiquiatras e pacientes para pesquisa em saúde mental.

Explorando o desaprender certificado e seu papel na proteção da privacidade dos dados.

Um novo framework melhora a classificação de áudio aproveitando o conhecimento de dispositivos multimodais.

Novos métodos melhoram a privacidade ao compartilhar dados de uso de eletricidade, sem perder a utilidade.

Descubra como os modelos de linguagem nos dispositivos melhoram a velocidade e a privacidade.

Este artigo explora a quantização zero-shot e suas aplicações em imaging infravermelho.

Novas técnicas usando a distribuição da família gama melhoram a privacidade em conjuntos de dados sensíveis.

Uma abordagem inovadora pra melhorar a gestão de recursos em sistemas de IoT.

O Celtibero oferece uma proteção forte contra ataques em sistemas de aprendizado federado.

Novos métodos melhoram a precisão em machine learning com rotulagem de dados limitada.

Melhorando a precisão da análise de dados enquanto garante a privacidade do usuário com ULDP.

Explore a abordagem do aprendizado federado em relação à privacidade no aprendizado de máquina.

Uma nova abordagem pra melhorar a justiça e a precisão no reconhecimento facial.

Este artigo fala sobre um novo jeito de proteger dados pessoais sem perder a utilidade deles.

Uma plataforma online para análise de dados privados em saúde e genômica.

Analisando a memorização em modelos de linguagem e técnicas de amostragem.

OpenFGL oferece uma estrutura completa para avaliar métodos de aprendizado em grafos federados de forma eficaz.

Esse artigo fala sobre questões éticas em visão computacional, focando em privacidade e preconceito.

Uma solução para rastrear produtos e aumentar a segurança contra falsificações.

Avaliando os obstáculos que as organizações enfrentam ao aplicar a privacidade diferencial em dados de pesquisa.

Usando IA pra simular dados e analisar as conexões emocionais na saúde mental.

Descubra como o Aprendizado Federado mantém os dados privados enquanto permite a colaboração no IIoT.

Este artigo apresenta um novo método para sistemas de diálogo realistas usando características específicas dos usuários.

Um novo método pra adaptar modelos de deep learning a dados não rotulados enquanto garante a privacidade.

Um workshop discutindo desafios e soluções para trabalhadores de plataformas.

Um olhar sobre como a IA pode esquecer dados privados durante a restauração de imagens.