Artigos mais recentes para Privacidade de Dados

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.

Um novo método melhora a segurança do aprendizado federado combatendo ataques bizantinos de forma eficaz.

Explorando o papel da Agregação Segura no Aprendizado Federado em ambientes de saúde.

Avaliando a capacidade de grandes modelos de linguagem de lidar com regulações de privacidade.

RoLoRA melhora o aprendizado federado com ajuste fino robusto e comunicação eficiente.

Uma nova abordagem pra melhorar a precisão do modelo identificando fontes de dados de baixa qualidade.

Um jeito de melhorar modelos personalizados sem comprometer a privacidade do usuário.

Este estudo analisa a criação de raios-X de tórax realistas usando técnicas avançadas de aprendizado de máquina.

Esse framework melhora a eficiência de apps multimídia enquanto protege a privacidade do usuário.

Um olhar sobre novas abordagens para melhorar métodos de programação segura.

Estudo mostra que ferramentas de IA aumentam a precisão e a eficiência na edição de documentos sensíveis.

Esse artigo analisa como a combinação de imagens reais e sintéticas aumenta a precisão e a equidade no reconhecimento facial.

LoRD melhora a eficiência em ataques de extração de modelo em grandes modelos de linguagem.

Novas estratégias para melhorar a detecção de outliers estão mudando os métodos de análise de dados.

Nova abordagem usa aprendizado federado pra otimizar decisões de descarregamento de tarefas móveis.

CoAst oferece uma avaliação inovadora de contribuições no aprendizado federado sem precisar de dados de validação.

Pesquisadores desenvolvem uma técnica pra proteger palavras importantes em dados de texto.

Uma olhada na privacidade diferencial e seu papel em proteger os dados individuais enquanto garante utilidade.

Uma estrutura pra garantir a privacidade das imagens enquanto mantém a precisão do modelo.

Novos métodos ligam metadados a grafos de conhecimento pra uma melhor interpretação dos dados.

Pesquisadores avaliam os riscos de identificar pessoas a partir de dados compartilhados pra melhorar a privacidade.

Um estudo revela inconsistências na forma como os apps de Android reportam a coleta de dados.

Aprenda como as datas de amostragem impactam nossa compreensão da propagação de vírus e bactérias.

Novos métodos melhoram a eficiência do aprendizado de máquina em ambientes móveis.

Apresentando o FedFT, um jeito de melhorar a comunicação no Aprendizado Federado.

Novos métodos melhoram os cálculos seguros em redes neurais enquanto preservam a privacidade.

Saiba como a estimativa da razão de densidade mede a qualidade dos dados sintéticos de forma eficaz.

Uma olhada em como aproveitar o aprendizado distribuído garantindo a privacidade dos dados.

Um app web que simplifica o aprendizado federado pra melhorar a privacidade dos dados e a acessibilidade do usuário.

Métodos para melhorar a segurança do blockchain usando técnicas de adição de ruído.

Uma nova abordagem melhora a patologia digital enquanto garante a privacidade dos pacientes.

Um novo framework junta aprendizado federado e modelos multimodais pra melhorar a privacidade e a performance.

RC-FED reduz os custos de comunicação enquanto mantém a qualidade do modelo no aprendizado federado.

Um novo método melhora o desempenho do modelo enquanto garante a privacidade no deep learning.