Artigos mais recentes para Privacidade de Dados

Um algoritmo privado para analisar componentes de grafos protege a privacidade individual.

Explorando aprendizado federado na tomada de decisão com bandits contextuais e preservação de privacidade.

Explorando a abordagem do ABS pra proteger a privacidade enquanto entrega informações estatísticas essenciais.

Vers melhora a computação distribuída com manuseio de dados descentralizado e segurança forte.

Sistemas CIM melhoram a eficiência, mas expõem vulnerabilidades a ataques de canal lateral.

MedAlpaca melhora modelos de IA médica e dados de treinamento pra um atendimento ao paciente melhor.

PFELS combina privacidade e eficiência energética no aprendizado federado.

Novo método melhora o monitoramento do comportamento dos motoristas enquanto protege a privacidade.

Analisando a privacidade diferencial local e suas vulnerabilidades na proteção dos dados dos usuários.

TimelyFL melhora o aprendizado federado otimizando as contribuições dos dispositivos e aumentando a precisão do modelo.

FedLSM melhora a colaboração em imagens médicas ao resolver incompatibilidades de rótulos.

FedXGBllr melhora o aprendizado federado, aumentando a privacidade e a eficiência na comunicação.

Novo sistema tem como objetivo proteger a anonimidade dos pacientes nos dados de hospitais para pesquisas com IA.

Equilibrando os benefícios do compartilhamento de dados com métodos de proteção da privacidade pessoal.

Uma nova abordagem garante a privacidade dos dados enquanto mantém o desempenho do modelo.

Explore novas ferramentas para aprendizado descentralizado em machine learning.

Um novo método protege a privacidade enquanto garante um consenso preciso entre agentes em redes.

O DRIFT melhora os sistemas de recomendação ao mesmo tempo em que garante a privacidade do usuário através do processamento de dados local.

Uma olhada em métodos pra aumentar a participação de dispositivos no aprendizado federado.

Examinando a Otimização Convexa Estocástica Diferencialmente Privada em diferentes contextos.

Um novo modelo melhora a privacidade e a precisão em redes neurais de grafos.

Uma olhada de perto no uso de dados dos clientes e nas políticas de privacidade do Booking.com.

Analisando ataques à privacidade no Aprendizado Dividido e um novo método de proteção.

Saiba mais sobre Distribuição de Chaves Quânticas e seu papel na troca segura de dados.

A DPAF oferece imagens sintéticas de alta qualidade enquanto garante uma proteção de privacidade forte.

Este artigo fala sobre métodos para remover portas dos fundos de modelos de aprendizado federado.

Estratégias pra proteger a privacidade do usuário enquanto otimiza a comunicação na análise de dados.

Explorando o equilíbrio entre o acesso a dados abertos e os riscos à privacidade pessoal.

A pesquisa tem como objetivo prever o comportamento de memorização em modelos de linguagem para um controle de privacidade melhor.

Saiba sobre os perigos dos ataques de envenenamento de modelo e seu impacto no aprendizado federado.

Essa pesquisa apresenta um método pra melhorar a comunicação no aprendizado federado.

Um novo método para criar dados GPS sintéticos garantindo a privacidade do usuário.

Um novo método melhora o treinamento de modelos enquanto protege a privacidade dos pacientes.

O Aprendizado Federado oferece uma maneira de melhorar o uso de dados de saúde enquanto protege a privacidade dos pacientes.

Analisando o uso de conjuntos de dados em biometria vocal, aparecem preocupações sérias sobre viés e privacidade.

Explorando métodos para as organizações compartilharem dados sensíveis enquanto protegem a privacidade.

Aprimorando o desempenho do modelo enquanto protege a privacidade do usuário no aprendizado federado.

Um estudo sobre como LDP afeta a justiça em aprendizado de máquina.

Saiba como o WFL melhora o uso de dados sem comprometer a privacidade.

Explorando os riscos de privacidade no aprendizado auto-supervisionado por causa da memorização não intencional.