Artigos mais recentes para Privacidade de Dados

Esse artigo explora estratégias pra proteger a privacidade individual em aprendizado de máquina.

Fed-RAA melhora o aprendizado federado se adaptando aos recursos dos clientes pra treinos mais rápidos.

Uma nova abordagem em aprendizado federado captura dependências de dados enquanto garante privacidade.

Um novo padrão para o desaprendizado de máquinas melhora a avaliação e a comparação de métodos.

Um novo método reduz os riscos de privacidade em aplicações de geração aumentada por recuperação.

Este artigo analisa métodos para remover dados de usuário de redes neurais de forma eficiente.

SeCTIS permite o compartilhamento seguro de inteligência sobre ameaças cibernéticas, mantendo a privacidade e a qualidade dos dados.

Um novo método melhora a proteção de privacidade em modelos de linguagem mantendo o desempenho.

Explorando tecnologias que preservam a privacidade na análise de imagens médicas.

O CEBench ajuda empresas e pesquisadores a avaliar LLMs enquanto gerenciam custos e desempenho.

Explorando técnicas pra análise de dados que preservam a privacidade, mas que garantem a precisão.

Novas técnicas melhoram a privacidade e a segurança em consultas e transações de banco de dados.

Um modelo que protege dados pessoais em escritos jurídicos italianos.

Esse trabalho melhora a privacidade na difusão de grafo enquanto mantém a utilidade dos dados.

Explorando como perfis de usuário melhoram a personalização em modelos de linguagem.

A TX-Phase melhora a imputação de genótipos enquanto garante privacidade dos dados para os pesquisadores.

Aprenda como a privacidade diferencial protege os dados individuais enquanto permite uma análise útil.

Combinar IoT e blockchain aumenta a privacidade e a segurança para rastreamento de localização.

O Crepe ajuda pesquisadores a coletar dados de tela de celular de forma fácil.

O TimeAutoDiff oferece novas soluções pra criar dados sintéticos de séries temporais realistas.

Este estudo analisa o papel dos dados individuais na modelagem baseada em agentes.

A Lomas facilita o acesso seguro a dados públicos pra pesquisa sem comprometer a privacidade.

Esse método aumenta a transparência na determinação da autoria dos documentos.

Abordando os preconceitos no reconhecimento facial através de conjuntos de dados de treinamento equilibrados.

AUTOPRIV simplifica a privacidade de dados pra galera que não manja muito de tecnologia.

Novos métodos usam modelos de linguagem pra melhorar o reconhecimento de atividades em casas inteligentes.

Uma abordagem flexível para gerar CFEs que respeita as preocupações com a privacidade dos dados.

Aprenda sobre o papel da criptografia em proteger informações e preservar a privacidade.

Um novo método melhora a memória e a adaptabilidade em modelos de imagem médica.

FedBiOT melhora grandes modelos de linguagem enquanto mantém os dados privados e o uso de recursos baixo.

Técnicas para melhorar o desempenho no treinamento de modelos com privacidade diferencial.

QFHE permite fazer cálculos em dados criptografados pra ter mais privacidade e segurança.

Este artigo apresenta um método para proteger dados pessoais em sistemas de aprendizado de máquina.

Como o aprendizado federado enfrenta ameaças à privacidade enquanto busca a segurança dos dados.

Um novo método aprimora a personalização de LLM para uma melhor interação do usuário.

Novos métodos revelam sérias ameaças à privacidade devido ao compartilhamento de dados de localização.

Novo método promete apagar dados de forma eficiente enquanto mantém o desempenho do modelo.

Um novo método ajuda a manter os dados privados seguros em modelos de linguagem.

Apresentando o FC-EM pra proteger dados de nuvem de pontos 3D contra acesso não autorizado.

Analisando os desafios e as implicações de desaprender em modelos de IA.