Artigos mais recentes para Privacidade de Dados

Esquecer ajuda a aprender tanto em humanos quanto em modelos de máquina, melhorando a adaptabilidade e o desempenho.

Um novo método melhora a privacidade dos dados para análise de dados discretos.

O SpaFL melhora a comunicação e a computação no Aprendizado Federado enquanto protege os dados pessoais.

O LayerCAM-AE melhora a detecção de atualizações maliciosas em aprendizado federado enquanto preserva a privacidade dos dados.

A pesquisa busca equilibrar privacidade e precisão nos métodos de estimativa de média vetorial.

Contrafactuais revelam insights, mas trazem riscos de privacidade em machine learning.

Examinando os riscos e o uso indevido de grandes modelos de linguagem no cibercrime.

Um novo método resolve erros sem fio no aprendizado federado para dispositivos IoT.

Este artigo fala sobre privacidade e preconceito em algoritmos preditivos para dados sensíveis.

Um novo método melhora as previsões do modelo para uma adaptação melhor sem dados de origem.

Uma nova estrutura melhora a criação de dados sintéticos enquanto protege as informações pessoais.

Uma nova abordagem com vários servidores melhora a eficiência e a velocidade do aprendizado federado.

Apresentando o PrivacyRestore pra proteger os dados do usuário enquanto usa modelos de linguagem grandes.

Este estudo fala sobre as dificuldades de desaprender dados de modelos de machine learning.

Métodos para estimar características de conjuntos de dados enquanto mantém os dados individuais seguros.

Novo método melhora o aprendizado federado enquanto protege a privacidade do usuário.

Aumentar as rodadas de comunicação reduz custos e melhora o desempenho do modelo no aprendizado federado.

Uma nova abordagem pra melhorar experiências específicas de usuário em modelos de linguagem.

Um olhar sobre métodos de privacidade e como eles funcionam na hora de compartilhar dados.

Um novo método melhora a proteção da privacidade enquanto treina modelos de aprendizado profundo.

Uma olhada em novos métodos para medir anúncios que priorizam a privacidade do usuário.

Este artigo fala sobre como simular dados de clientes para acelerar o aprendizado federado.

Novos métodos em Aprendizado Federado melhoram a privacidade e o desempenho do modelo enquanto lidam com dados diversos.

Explore os desafios de privacidade causados por ataques de inferência em modelos de aprendizado de máquina.

Uma nova estrutura melhora a precisão das previsões e a privacidade dos dados no aprendizado federado.

Apresentando novas maneiras de melhorar os processos de esquecimento em modelos de aprendizado contrastivo.

Novo método de ataque levanta preocupações sobre privacidade em modelos de compreensão de documentos.

Explorando aprendizado federado e desfazer aprendizado pra privacidade do usuário e integridade do modelo.

Apresentando um método pra ajustar LLMs em dispositivos com poucos recursos.

Um estudo sobre como melhorar modelos de aprendizado federado para dispositivos com recursos limitados.

Um novo método revela como os modelos de linguagem lembram dos dados de treinamento.

Um novo método cria intervalos de previsão confiáveis usando dados diversos enquanto garante a privacidade.

Saiba sobre cookies, os riscos que eles trazem e como proteger sua privacidade.

Um estudo sobre como preservar a privacidade enquanto analisa dados sensíveis usando técnicas de privacidade diferencial.

Novo framework permite aprendizado eficiente de doenças sem armazenar dados passados.

O aprendizado de máquina quântico oferece novas maneiras de proteger dados sensíveis.

Um novo modelo melhora as recomendações enquanto protege a privacidade do usuário.

Uma abordagem estruturada para o design e validação de IA responsável.

Uma análise de como os serviços online lidam com a privacidade dos dados das crianças.

Um sistema inovador permite operações rápidas de LLM em smartphones, melhorando a privacidade do usuário.