privacy protection | BriefGPT

关键词privacy protection

搜索结果 - 176

基于 LiDAR 的边缘计算智能校园室外人群管理
使用廉价的激光雷达技术和边缘计算进行校园人群管理，保护隐私，提高性能。
PDF7 months ago
表格合成数据中的隐私测量：现状与未来研究方向
综合数据是一种隐私增强技术，但缺乏隐私保护程度的标准。本文讨论了提出的量化方法，有助于制定综合数据隐私标准、促进多学科讨论，并帮助综合数据研究人员做出有根据的建模和评估决策。
PDF7 months ago
一次性联邦学习与分类器引导的扩散模型
使用扩散模型，在一次联邦学习中引入了指导性生成数据，避免了现实场景中常见的辅助数据集或训练生成器的障碍。该方法针对异构客户模型和非独立同分布的特征或标签问题，有效处理隐私保护并在一些情况下超越集中式训练的性能上限，从而形成性能更高的聚合模型
PDF8 months ago
医学影像联合学习中的隐私风险分析与缓解
提出了综合的医疗数据隐私风险分析和联邦学习（MedPFL）的减轻框架，分析了在联邦学习中保护私人医疗数据的隐私风险，并开发了有效的减轻策略。展示了使用联邦学习处理医学图像的实质性隐私风险，并指出在联邦学习中加入随机噪声的防御方法可能不总是有
PDF8 months ago
基于梯度的联合学习中的最大知识正交重构
通过一种新的分析方法，最大限度地保护隐私，同时从客户端的梯度更新中高效而不引人注目地重建输入图像，以弥补现有方法在批量大小较大时的图像质量较差，从而引起了对联邦学习隐私保护的进一步研究的重视。
PDF8 months ago
差异私有置换检验：在核方法中的应用
提出了一种差分隐私保护的假设检验方法，扩展了经典的非隐私保护排列检验到隐私保护场景，从而实现有限样本有效性和差分隐私的同时保证。通过引入基于核的测试统计量，提出了两种不同差分隐私保护的核测试方法（dpMMD 和 dpHSIC），具有简单易施
PDF8 months ago
基于邻域特征统计的联邦三维医学体积分割增强
该研究论文介绍了一种用于保护隐私的联邦学习领域的数据增强方法，称为邻域特征级数据增强，该方法能够有效解决不同医学研究机构之间的数据分布差异和局部特征偏移问题，可在 3D 脑肿瘤和心脏分割任务中取得显著改进。
PDF8 months ago
联邦学习：最新进展与应用的前沿综述
在机器学习系统中，通过联邦学习作为一个安全的分布式机器学习方法，有效提升隐私安全；它利用区块链技术将机器学习模型转移到边缘服务器，通过这种机制保证了集中式和分散式系统的高效处理和数据存储需求，强调可伸缩性、隐私考虑和成本有效的通信。本文对最
PDF9 months ago
DPGOMI：差分私有化数据发布与高斯优化模型反向
我们提出了一种新颖的差分隐私数据发布方法，称为具有高斯优化模型逆向的差分隐私数据发布 (DPGOMI)，用于解决在深度学习时代中不允许共享敏感信息的数据保护问题。我们的方法涉及使用公共生成器将私有数据映射到潜在空间，然后使用具有更好收敛性能
PDF9 months ago
基于频繁二进制模式的隐私保护多生物特征索引
提出了一种高效的隐私保护多生物特征识别系统，通过利用来自不同类型生物特征的频繁二进制模式中包含的低类内变异属性，设计了一种多生物特征分箱方案，实验结果表明，该多生物特征识别系统可以将计算工作量降低约 57%（索引最多三种生物特征类型）和 5
PDF9 months ago
语言模型如何受指导以保护个人信息？
大规模多模式语言模型已在许多应用中证明具有变革性。然而，这些模型已被证明会记忆和泄漏预训练数据，引发用户隐私和信息安全方面的严重关切。我们介绍了 PrivQA - 一个多模式基准，用于评估在模拟场景中指示模型保护特定类别个人信息时，此隐私
PDF9 months ago
通过反演影响函数理解深层渗漏梯度
基于 Inversion Influence Function (I^2F) 的研究，探讨了深度梯度泄漏攻击及隐私保护方法。
PDF9 months ago
智能交通系统中的联邦学习：最近的应用和待解决问题
综合调查了智能交通系统中联邦学习的最新发展，研究了 ITS 中普遍的挑战，阐明了应用联邦学习的动机，并讨论了在物体识别、交通管理和服务提供等场景中的潜在问题。还分析了联邦学习部署引入的新挑战和其潜在的局限性，包括不均匀的数据分布、有限的存储
PDF10 months ago
图神经网络中的局部差分隐私：一种重建方法
我们提出了一个基于图神经网络的学习框架，该框架可以在用户层面提供节点隐私，并且在损失效用性方面表现较低。我们使用分布式隐私保护的概念，并在节点水平对特征和标签数据应用随机化机制，在数据被中央服务器收集用于模型训练之前进行扰动。通过随机化数据
PDF10 months ago
差分隐私：基于扩散的人脸隐私保护
本文提出了一种基于扩散模型的面部隐私保护方法 Diff-Privacy，通过统一匿名化和视觉身份信息隐藏任务，利用多尺度图像反演模块（MSI）和条件嵌入策略实现面部图像的隐私保护。
PDF10 months ago
一种用于表格数据的有监督生成优化方法
合成数据生成已成为金融机构的重要课题，本研究提出了一种新的合成数据生成框架，将监督组件与元学习方法结合，为特定下游任务学习最佳混合分布的已有合成分布。
PDF10 months ago
隐藏与寻找（HaS）：一种轻量级的提示隐私保护框架
许多公司已开始提供基于大型语言模型（LLM）的服务，如 ChatGPT，这不可避免地引起了隐私问题，由于用户的提示暴露给了模型提供者。先前针对使用多方计算（MPC）进行安全推理的研究已被证明在 LLM 应用中不切实际，因为其耗时且通信密集。
PDF10 months ago
FusionAI: 基于大规模消费级 GPU 的分布式训练和部署 LLMs
在这篇研究论文中，我们提出了一个分散系统，利用具有隐私保护功能的消费级 GPU 在对大型语言模型进行预训练、推理和微调时发挥潜在的巨大作用。通过采用备用资源池实现计算提供者的动态加入和退出、基于硬件性能的任务调度、抽象化机器学习过程为有向无
PDF10 months ago
LR-XFL：基于逻辑推理的可解释联邦学习
通过在联邦学习中引入基于逻辑推理的可解释性机制，Logical Reasoning-based eXplainable Federated Learning (LR-XFL) 方法在保护数据隐私的同时，提高了分类精确度、规则准确度和规则保真
PDF10 months ago
大语言模型的重新识别能力评估：匿名性受到威胁吗？
匿名性在欧洲联盟和瑞士的隐私保护中是一个关键方面。本研究探索了 LMLs 在法院判决中重新识别个人的潜力，并使用瑞士联邦最高法院的实际法律数据构建了一个概念验证。此研究表明，目前利用 LLMs 进行重新识别可能无法实现，但通过在维基百科上的
PDF10 months ago