Unlearning no es invisible: huellas en LLMs
Descubre cómo el unlearning deja huellas detectables en los LLMs a través de sus salidas. Un nuevo riesgo para la privacidad y la ciberseguridad.
#privacidad
FIRM: Alineación multiobjetivo regularizada en cliente federada
FIRM alinea LLMs con múltiples objetivos eficientemente y en privado usando aprendizaje federado. Mejora equilibrio entre utilidad e inocuidad.
Orquestación de herramientas de agentes: fuga de datos, benchmark y mitigación
Los agentes de IA con múltiples herramientas filtran datos sensibles en un 88.6% de los casos. Descubre el benchmark TOP-Bench y cómo mitigarlo con TOP-Align.
La promesa de 'entrenamiento cero' de tu proveedor IA no significa lo que crees
¿Tu proveedor IA promete no entrenar con tus datos? Descubre los riesgos ocultos en logs, cachés y subprocesadores. Guía de compliance.
Tu vehículo te espía: cómo recuperar tu privacidad en la carretera
¿Sabes que tu coche recopila datos sobre ti? Descubre qué información recolecta y cómo reducir el flujo de datos para recuperar tu privacidad en la carretera.
Resistencia es inútil: agentes de IA invisibles según Qualcomm
El CEO de Qualcomm predice agentes de IA invisibles que te siguen a través de dispositivos con 6G. ¿Resistencia inútil? Conoce el futuro en COMPUTEX 2026.
DuckDuckGo lanza extensión Chrome para búsqueda sin IA
DuckDuckGo lanza extensión para Chrome y Firefox que permite buscar sin IA. El tráfico a su página 'No AI' crece un 30% tras el anuncio de Google. Descubre cómo tomar el control.
¿WhatsApp mintió sobre el cifrado? Importa menos de lo que crees
Texas acusa a WhatsApp de no tener cifrado real, pero ninguna app es infalible. Descubre por qué debes ser precavido al compartir datos.
PRISM: LoRA diferencialmente privada con invariancia gauge
Descubre PRISM, un mecanismo de privacidad diferencial para LoRA que evita la amplificación de ruido. Mejora la privacidad sin sacrificar utilidad.
Preservación de privacidad contra inversión de gradientes en FL tabular
Protege tu privacidad en aprendizaje federado tabular. Vemos cómo los ataques de inversión de gradientes revelan datos. Descubre factores clave de riesgo.
ContinuousBench: ¿El texto sintético privado mejora capacidades?
Descubre cómo ContinuousBench evalúa si los datos sintéticos con privacidad diferencial aportan nuevas capacidades. Resultados clave incluso con ε=100.
Detección de arritmias con TinyML y autoencoder en sistemas embebidos
Descubre cómo un modelo TinyML basado en autoencoder detecta arritmias en tiempo real en microcontroladores, con alta precisión y bajo consumo.
No necesitas toda esa atención: mitigación quirúrgica de memorización
GUARD: mitigación quirúrgica de memorización en difusión texto-imagen sin sacrificar calidad. Protege privacidad y evita infracciones de copyright.
IntraShuffler: Marco de Privacidad para Aprendizaje Federado con DP Heterogéneo
IntraShuffler protege la privacidad en aprendizaje federado con DP heterogéneo, reduciendo ataques de inferencia sin perder utilidad.
PE-means: Mejora del clustering k-means con privacidad diferencial
Descubre cómo PE-means mejora el clustering k-means con privacidad diferencial, logrando un 20% menos de pérdida. Una solución innovadora y eficiente.
Replay de Lista Estable Canonicalizado para Aprendizaje Federado Privado
CSLR logra entre 3.9 y 5.6 puntos de mejora en aprendizaje continuo federado con privacidad diferencial. Optimiza NLP sin compartir datos.
Riesgo de vinculación cruzada en modelos clínicos de visión-lenguaje
Los modelos de IA clínica pueden reidentificar pacientes al vincular radiografías con informes. Descubre cómo la privacidad diferencial reduce este riesgo.
Ghost Tool Calls: Privacidad en la Emisión para Agentes Especulativos
Descubre cómo las llamadas fantasma de agentes especulativos filtran tu intención al instante y cómo los contratos de privacidad pueden evitarlo. ¡Lee más!
La auditoría independiente de no registros de X-VPN marca un nuevo hito en privacidad
X-VPN completa auditoría independiente de no registros por una Big Four. Descubre cómo verifica su compromiso con tu privacidad en línea.
Por fin encontré un LLM de código local que realmente quiero usar
Descubre el LLM de código local que combina privacidad, sin costos de API y acceso offline. Ideal para desarrolladores que buscan un asistente AI confiable.