Artigos mais recentes para Privacidade de Dados

Uma estrutura pra compartilhar informações de saúde de forma segura, protegendo a privacidade dos pacientes.

Esse artigo explora os benefícios de usar FP8 no aprendizado federado.

Um olhar sobre como modelos de linguagem podem vazar dados sensíveis.

Esse artigo analisa os riscos ligados aos LLMs e sugere formas de melhorar a segurança.

Explorando os desafios legais trazidos pela rápida evolução da IA generativa.

Um novo modelo melhora o aprendizado federado garantindo a privacidade dos dados.

Este estudo avalia modelos avançados para gerar dados de viagem falsos e suas aplicações práticas.

Venomancer é um ataque sorrateiro de backdoor em sistemas de aprendizado federado.

CLAMP-ViT oferece uma nova forma de comprimir transformers visuais usando dados sintéticos.

Um sistema de detecção melhora a segurança dos veículos contra ameaças cibernéticas usando técnicas avançadas.

Nova tecnologia de radar monitora a frequência cardíaca durante o sono e a meditação sem desconforto.

Zero-X melhora a cibersegurança para veículos conectados contra ameaças novas.

Um novo framework melhora a eficiência no aprendizado federado de borda otimizando recursos e dados.

Analisando ataques de inferência de membresia em modelos de previsão de séries temporais na saúde.

Aprimorando a segurança da rede inteligente usando honeypots e abordagens de aprendizado federado.

Uma visão geral de métodos para proteger informações pessoais enquanto mantém a utilidade dos dados.

Um método pra estimar as participações da comunidade enquanto protege a privacidade individual.

AntibotV enfrenta ameaças de malware de bots em carros conectados através de monitoramento avançado.

As cidades ganham dados de transporte importantes enquanto lidam com preocupações de privacidade.

Esse método melhora a eficiência da comunicação no aprendizado federado enquanto preserva a privacidade dos dados.

As preocupações aumentam sobre ataques por trás das cortinas em modelos de linguagem, afetando a segurança e a confiabilidade.

Um método pra calcular médias mantendo os dados dos nós privados.

Analisando a eficácia da privacidade diferencial na proteção das identidades individuais nos dados do SOEP.

Um novo modelo melhora a detecção em tempo real de ciberataques em redes de blockchain.

FedSat resolve os desafios de dados no aprendizado federado, garantindo privacidade e melhor desempenho.

Um novo método pra melhorar a amostragem em aprendizado de máquina com mais privacidade.

O MSfusion permite que dispositivos com poucos recursos treinem grandes modelos de forma colaborativa.

Novo método melhora o desempenho do modelo em dados não vistos.

AFIND+ melhora o aprendizado federado descentralizado otimizando a seleção de vizinhos e a agregação de atualizações.

Uma nova ferramenta automatiza a anonimização de prontuários médicos pra proteger a privacidade.

Examine vários ataques de jailbreak em modelos de linguagem e suas defesas.

Uma nova abordagem melhora o Aprendizado Federado gerando dados sintéticos enquanto protege a privacidade.

Este estudo analisa como o layout da rede afeta o aprendizado federado descentralizado em meio a ameaças bizantinas.

pFedDIL melhora o aprendizado de máquina ao reter conhecimento enquanto se adapta a novas tarefas.

A pesquisa explora IA generativa pra simular as estruturas internas da boca usando movimentos faciais.

Analisando vulnerabilidades em LLMs por causa de dados de preferência humana.

Um novo modelo para comunicação entre agentes focando em privacidade e consistência.

Um novo método resolve os desafios de dados em IA para a saúde.

Novos métodos para testes estatísticos enquanto protegem a privacidade dos dados através do aprendizado federado.

Explorando os desafios e avanços em proteger dados sensíveis enquanto mantém sua utilidade.