Artigos mais recentes para Privacidade de Dados

Pesquisas mostram que há vulnerabilidades na abordagem de privacidade de texto do aprendizado federado.

Explorando o método NatMU para uma desaprendizagem de máquina eficaz e privacidade de dados.

Desaprender melhora a privacidade em sistemas de recomendação sem perder a qualidade das recomendações.

Dados sintéticos oferecem soluções promissoras para os desafios na imagem médica.

Explorando o impacto da IA na eficiência, privacidade e segurança em sistemas vitais.

Um novo método reduz as cargas de comunicação no aprendizado federado enquanto melhora a privacidade.

Um novo método aumenta a precisão das previsões enquanto protege a privacidade dos usuários em modelos na nuvem.

O Client2Vec melhora o aprendizado federado criando identificadores únicos para os dados dos usuários.

Um novo método melhora os ataques de jailbreak em modelos avançados de IA usando interpretação de personagens.

Descubra um método de otimização descentralizada que protege os dados dos usuários enquanto melhora a eficiência.

Explorando a mistura de aprendizado focado em privacidade e técnicas de geração de dados.

Aprenda como o AltGDmin lida com dados ausentes em um ambiente federado.

Um novo método pra melhorar o aprendizado federado através da Modelagem Aditiva Multi-Nível.

Explorando novas formas de garantir privacidade na comunicação sem fio.

Um novo método melhora a equidade no aprendizado federado em comunidades diversas.

Treinar LLMs de código aberto melhora a modelagem de otimização para aplicações industriais.

Aproveitando modelos de saída antecipada pra um aprendizado federado eficiente em sistemas de ASR.

Explore o papel vital do controle de acesso na computação de borda.

FedHPL melhora a eficiência do aprendizado federado enquanto garante a privacidade dos dados entre os dispositivos.

Um novo método permite a transferência de módulos LoRA com dados sintéticos, minimizando a dependência de dados originais.

Este estudo melhora a segurança do aprendizado de máquina quântico contra ataques adversariais através de canais de ruído e métodos de privacidade.

Fast-FedUL oferece métodos rápidos de remoção de dados para aprendizado federado enquanto garante a privacidade.

Novos métodos melhoram os processos de remoção de dados em modelos de aprendizado de máquina.

O KALM4Rec melhora as recomendações para usuários novos usando métodos baseados em palavras-chave.

Aprenda como a minimização de dados protege a privacidade em meio ao aumento da coleta de dados.

Novos métodos reduzem os riscos de memorização em imagens médicas com modelos de difusão.

FeMLoc melhora a localização interna usando técnicas de aprendizado federado e meta-aprendizado.

Esse artigo fala sobre o impacto da privacidade diferencial na confiança no Censo dos EUA.

Um novo método pra melhorar o aprendizado contínuo sem exemplares, rastreando as mudanças na representação das classes.

O FedGELA enfrenta desafios no aprendizado federado com dados parcialmente disjuntos em classes.

Um novo método para aprendizado federado que resolve os desafios do aprendizado contínuo.

FedLESAM enfrenta desafios de dados em aprendizado federado para melhorar o desempenho do modelo.

Explorando métodos para proteger as informações dos pacientes na pesquisa clínica.

O FedMR enfrenta desafios no aprendizado federado com dados de classes parciais, melhorando o desempenho do modelo.

PadFL melhora o compartilhamento de modelos e a eficiência em diferentes capacidades de dispositivos.

O Aprendizado Federado treina modelos enquanto mantém os dados dos usuários privados e seguros.

As ferramentas de IA ajudam os negociadores em ambientes complexos, melhorando a eficiência e a tomada de decisões.

Um método pra reescrever textos enquanto protege a privacidade das pessoas.

Uma nova abordagem melhora a segurança e o desempenho no aprendizado federado com blockchain.

Estudo revela como os apps móveis moldam os hábitos de viagem.