Datos tabulares sintéticos con privacidad diferencial
Descubre cómo Tab-PE genera datos tabulares sintéticos con privacidad diferencial, mejorando la precisión hasta un 10% y siendo 28 veces más rápido que AIM.
#privacidad
Datos sintéticos con privacidad diferencial mediante APIs 4: Datos tabulares
Descubre cómo Tab-PE genera datos tabulares sintéticos con privacidad diferencial, más preciso y 28 veces más rápido. Ideal para compartir datos.
Benchmarking de protección de privacidad empírica en adaptaciones de LLM
Evaluamos cómo la distribución de datos y métodos como LoRA impactan la privacidad en LLM con privacidad diferencial. Claves para proteger datos sensibles.
Selección del parámetro μ en Privacidad Diferencial Gaussiana
Aprende a elegir el parámetro μ en privacidad diferencial gaussiana. Te ofrecemos una conversión práctica de ε a μ y recomendamos μ ≈ ε/5 para proteger tus datos.
Meta usará datos externos para personalizar feed e IA
Meta anuncia el uso de datos de actividad en sitios web externos para personalizar tu feed y las respuestas de su chatbot de IA. Descubre cómo afecta tu privacidad.
¿Enseñar a modelos fundacionales qué es una imagen generativa?
Descubre cómo detectar imágenes generativas sin modificar modelos. Método analítico sin gradientes, eficiente, y privado para edge y federated learning.
Generación Disjunta de Datos Sintéticos
La generación disjunta de datos sintéticos potencia la privacidad y eficiencia computacional, manteniendo alta precisión. Descubre este framework que equilibra privacidad y utilidad.
Planes de IA de Apple: promesas, pero sin pruebas de éxito
Apple revela su estrategia de IA en WWDC26: Siri AI y Apple Intelligence prometen revolucionar el ecosistema, pero los analistas exigen resultados. Descubre qué opinan los expertos.
Meta usará tu actividad en otros sitios web para personalizar tus feeds
Meta amplía la personalización de contenido en Facebook e Instagram usando datos de tu actividad en otros sitios web. Descubre cómo afecta tu experiencia y privacidad.
Las promesas de IA de Apple por fin llegan (casi)
Apple presenta su nueva Siri con IA multimodal y promete privacidad. ¿Estará a la altura de la competencia? Descubre todos los detalles en nuestro análisis.
La IA detecta violencia doméstica años antes de que se denuncie, ¿es seguro?
Un modelo de IA del MIT y Mass General Brigham identifica riesgo de violencia doméstica en historiales médicos, años antes de que se denuncie. ¿Es seguro?
Signal: El plan británico de escanear dispositivos 'nos pone en peligro a todos'
Signal critica el plan del Reino Unido de escanear dispositivos. ¿Protección infantil o vigilancia? Descubre los riesgos.
Microsoft vuelve a instalar forzosamente M365 Copilot tras una breve pausa
Microsoft reanuda la instalación automática de Copilot en M365. Descubre cómo afecta a los usuarios y qué pueden hacer los administradores IT para evitarlo.
Cómo un buscador autogestionado me liberó de la IA de Google
¿Cansado del rediseño con IA de Google? Descubre cómo autoalojar tu propio motor de búsqueda para recuperar el control y la privacidad. Una alternativa real.
ReTabSyn: Síntesis Realista de Datos Tabulares con RL
Descubre ReTabSyn, el método de aprendizaje por refuerzo que genera datos tabulares realistas incluso con pocos datos. Mejora tus modelos de IA.
Aprendizaje federado escalable con privacidad diferencial y agregación segura
Aprende cómo DDP-SA combina privacidad diferencial y agregación segura para un aprendizaje federado escalable y privado con mayor precisión.
Nuevo ataque FROST rastrea sitios y apps que abres mediante SSD
El ataque FROST permite a sitios web maliciosos espiar qué aplicaciones y sitios web abres, usando solo JavaScript y el tiempo de tu SSD. ¡Infórmate!
Conteo de subgrafos en rangos con privacidad diferencial
Descubre cómo el conteo privado de subgrafos en rangos protege tus datos, ofreciendo respuestas precisas con baja sensibilidad y nuevos algoritmos.
Ataques de Reconstrucción en Datos Tabulares Sintéticos
Ataques de reconstrucción en datos sintéticos: riesgos de privacidad. Estudio de 14 ataques y 9 métodos, ganador del NIST CRC.
Modelos de Lenguaje Grandes Federados: Avances y Futuro
Descubre cómo el aprendizaje federado permite entrenar grandes modelos de lenguaje preservando la privacidad. Exploramos avances, retos y direcciones futuras en FedLLM.