privacy violations | BriefGPT

关键词privacy violations

搜索结果 - 8

通过组合小语言模型提炼大型语言模型
我们提出了一种简单易行的方法，通过将大型语言模型（LLMs）与良性和小型语言模型（SLMs）集成，从未经筛选的数据的负面影响中净化 LLMs，以提高其性能并减轻版权侵权、数据污染和隐私侵犯等问题。经过综合实验证明，该方法能有效保持 LLMs
PDF4 months ago
为什么要训练更多？通过记忆进行有效和高效的成员推断
该研究通过选择具有高记忆得分的样本，旨在最大化攻击成功的同时，将阴影模型的数量减少近两个数量级，并且通过了全面的实验验证。
PDF9 months ago
T2IW：联合文本到图像与水印生成
通过结合文本生成图像和水印的任务以及引入馊毒信息理论和非合作博弈理论的原则，我们的研究在图像质量、水印隐形性和水印鲁棒性方面取得了显著成就。
PDF10 months ago
机器取消学习：解决方案与挑战
机器遗忘是一项关键技术，用于选择性地移除训练数据点对训练模型的影响。本文提供了机器遗忘研究的全面分类和分析，并回顾了最新的解决方案，讨论了其优势和限制，并提出了未来的发展方向，以推动机器遗忘作为一项必要的可信和自适应机器学习能力。
PDFa year ago
证据探测和跟踪协作：强韧反无人机系统的新问题、基准和算法
本文提出一个新的反无人机问题，即在没有无人机先前信息的复杂环境中感知无人机，为此我们提出了最大的无人机数据集 AntiUAV600 和新的评估指标，并开发了一种新颖的反无人机方法来解决该问题。
PDFa year ago
向我解释：走向理解隐私决策
本文提出了一种创建隐私说明的方法，通过识别领域内的重要主题，为决策提供解释方法，并自动生成解释。该方法在一个真实的隐私数据集上进行了测试，并通过用户研究对其进行了评估，以确定哪些因素对用户有影响并找到解释是有用的。
PDFa year ago
差分隐私对群体不平等性缓解的影响
本文探讨差分隐私对公平性的影响，并评估隐私保护机制对公平性的影响。结果发现，差分隐私在基线设置下会增加组间性能差异，但在鲁棒设置下会减少组间性能差异，解释了这是由于差分隐私被重新解释为规范化的结果。
PDF2 years ago
EMNLP样式汇聚：自动文本样式混淆以提高分类公平性
本文提出了一种基于变分自编码器（VAE）的框架，通过自动重写人类生成的文本来混淆文本的风格特征，具有两个混淆风格概念更灵活的选择，可以用于提高下游分类器的公平性。同时，文章还通过对文本进行两个或三个域的风格混淆的池化效果进行了综合研究。
PDF3 years ago