Artigos mais recentes para Privacidade de Dados

Novos algoritmos melhoram o desempenho do modelo em aprendizado federado por meio de um agrupamento eficaz de clientes.

Investigando a coleta excessiva de privacidade nos sub-apps cada vez mais populares do WeChat.

Um novo framework integra técnicas de privacidade e robustez para um aprendizado de máquina confiável.

Uma nova abordagem melhora a privacidade enquanto otimiza o desempenho dos agentes colaborativos.

Novos métodos melhoram o aprendizado federado personalizado, mantendo a privacidade dos dados.

Aprenda como modelos de deep learning processam imagens criptografadas mantendo a privacidade.

Um novo padrão pra combinar tipos de dados enquanto prioriza a privacidade do usuário.

Um novo método protege a privacidade das pessoas ao compartilhar dados de mobilidade durante crises.

Um estudo sobre como conectar modelos ajustados às suas versões base.

O Fedstellar permite o treinamento seguro e eficiente de modelos de aprendizado de máquina entre dispositivos.

Um novo framework melhora o aprendizado com dados limitados em ambientes federados.

Instituições financeiras procuram formas seguras de compartilhar dados enquanto protegem a privacidade.

HePCo melhora o aprendizado federado contínuo, priorizando a privacidade e a eficiência.

Descubra como o edge learning melhora a segurança e o desempenho da IoT em redes avançadas.

Usar dados privados e públicos juntos melhora o aprendizado de máquina e garante a privacidade.

Esse artigo fala sobre técnicas pra conseguir precisão e privacidade em modelos de aprendizado de máquina.

Aprenda como o hashing cuckoo melhora o armazenamento de dados e a privacidade em aplicações criptográficas.

Novas técnicas melhoram a velocidade e a eficiência das computações criptografadas usando GPUs.

Um novo benchmark chamado FedNoisy ajuda a lidar com rótulos ruidosos no aprendizado federado.

RQM melhora a privacidade no aprendizado federado mantendo a eficiência do modelo.

Novo conjunto de dados melhora a detecção de violência enquanto protege a privacidade usando câmeras DVS.

Novas visualizações ajudam os revisores de código a gerenciar dados pessoais em software de forma eficiente.

O FDINet oferece uma nova defesa contra ataques de extração de modelo em serviços baseados na nuvem.

Falando sobre a necessidade urgente de regular a IA e suas implicações para a sociedade.

Novos protocolos melhoram a privacidade e a integridade do modelo no aprendizado federado.

MimiC melhora o aprendizado federado ao lidar com o problema de dropout pra uma precisão de modelo melhor.

Um olhar mais de perto pros problemas com o conjunto de dados do benchmark RVL-CDIP.

A plataforma FLGo facilita o aprendizado federado para pesquisadores com ferramentas flexíveis.

Um novo método melhora a imagem de TC com baixa dose enquanto protege os dados dos pacientes.

DOF-ID melhora a detecção de ameaças sem comprometer a privacidade dos dados.

Analisando a interseção da geração de imagem por IA e os riscos de copyright.

Um novo algoritmo melhora o aprendizado descentralizado à medida que os dados evoluem.

Uma nova abordagem melhora as defesas em sistemas de aprendizado federado contra ataques adversariais.

Analisando os impactos do aprendizado federado na generalização do modelo e na privacidade dos dados.

SBNNs melhoram a eficiência em machine learning para dispositivos com recursos limitados.

Uma olhada em abordagens de aprendizado profundo descentralizado que priorizam a privacidade dos dados.

Analisando o equilíbrio entre privacidade e justiça em modelos de aprendizado federado.

Um novo método melhora o desempenho do aprendizado federado em meio a preocupações com a privacidade dos dados.

Um novo algoritmo melhora a resistência do aprendizado descentralizado contra ataques.

Um novo método melhora a classificação de imagens médicas enquanto protege os dados dos pacientes.