Privacy关键词检索结果

用数字代替人:PrivacyLens 改变了视频监控的方式

Фигурки вместо людей: PrivacyLens меняет подход к видеонаблюдению

新技术标志着妥协照片时代的结束。

“Enable” = “Track”:Google 因 Privacy Sandbox 受到攻击

«Включить» = «Отслеживать»: Google под огнем критики за Privacy Sandbox

特立尼达和多巴哥政府机构已批准 noyb 在 Google 上发布“主题列表”。

联邦分析的本地泛私人物

Local Pan-Privacy for Federated Analytics

Pan-Privacy。 (2010年)作为设计私人分析系统的方法,该系统在面对暴露系统内部状态的入侵中保留其隐私属性。在联邦遥测应用程序中,我们研究了当地的泛滥,在该广场上应保留在一再对当地国家的未经通知的侵犯下保留的隐私。我们考虑了监视联合系统中事件计数的问题,在该系统中,即使在该设备上的入侵者中,也应隐藏在本地设备上的事件。我们表明,在合理的约束下,…

每周评论2025年4月4日

Weekly Review 4 April 2025

Some interesting links that I Tweeted about in the last week (I also post these on Mastodon, Threads, Newsmast, and Bluesky):The latest version of DALL-E is frighteningly good: https://arstechnica.com/ai/2025/03/openais-new-ai-image-generator-is-potent-and-bound-to-provoke/Tools for fighting fake AI

中国释放了美国尽职调查公司的员工,以转向Woo Investors

China releases staff of an American due diligence firm in a move to woo investors

中国正试图吸引外国投资者以帮助恢复其下滑的经济,是从Mintz集团中释放的。 NPR的Juana Summers与Privacy Of Privacy论坛的政策高级副总裁John Verdi进行了交谈,大约23AndMe的破产申请以及潜在的销售对客户的数据可能意味着什么。 您用来描述2025年经济的一个词是什么?这是我们用麦克风和敞开的耳朵散发出美国的问题。从南部的街头聚会到洛杉矶书店到丹佛的董事会,我们会在当今经济中倾听财务信号。相关情节:您可以在一份经济报告中说几次不确定性? (Apple / Spotify)股票市场下降了,但是您不需要成为(苹果 / Spotify)美国租金(苹果

怎么样...每个人都在做?

How's ... everybody doing?

NPR的Juana Summers与Privacy Of Privacy论坛的政策高级副总裁John Verdi进行了交谈,大约23AndMe的破产申请以及潜在的销售对客户的数据可能意味着什么。您用来描述2025年经济的一个词是什么?这是我们用麦克风和敞开的耳朵散发出美国的问题。从南部的街头聚会到洛杉矶书店到丹佛的董事会,我们会在当今经济中倾听财务信号。相关情节:您可以在一份经济报告中说几次不确定性? (Apple / Spotify)股票市场下降了,但是您不需要成为(苹果 / Spotify)美国租金(苹果 / Spotify)的高潮和低价,从Planet Money的指示器中,通过Appl

每周评论2025年3月14日

Weekly Review 14 March 2025

Some interesting links that I Tweeted about in the last week (I also post these on Mastodon, Threads, Newsmast, and Bluesky):An AI that can grade maths problems like a teacher: https://dataconomy.com/2025/03/07/can-ai-grade-math-like-a-teacher-research-says-yes/At least some tech executives recognis

IEEE关于人工智能的交易,第6卷,第2期,2025年2月

IEEE Transactions on Artificial Intelligence, Volume 6, Issue 2, February 2025

1)访客社论:操作负责任的AIAUTHOR:Qinghua Lu,Apostol Vassilev,Jun Zhu,Jun Zhu,Foutse Khomhpages:252-2532)软件工程研究中的Chatgpt伦理方面Feddga:基于动态指导注意事项的联合多任务学习。选择:281-2915)基于可逆神经网络助理的频率攻击:Ming-wen Shao,Jian-Xin Yang,Ling-Zhuang Meng,Zhi-Yong Hupages:292-3006)一个可靠且基于Bear federated Leader的学习框架,基于Blockchainaauthor(Shao): Wa

汤姆·迪洛伦佐:揭开林肯的面纱

Tom DiLorenzo: Lincoln Unmasked

Tom DiLorenzo 出现在 Watchman Privacy Podcast 上。

立即申请 2024 年 Forrester 安全与风险峰会奖学金

Apply For The 2024 Forrester Security & Risk Summit Scholarship Today

Forrester 再次与 Women in Security and Privacy 合作,为四位希望进入网络安全领域的女性提供免费参加我们安全与风险峰会的机会。了解详情并在此处了解如何申请奖学金。

每周回顾 2024 年 9 月 27 日

Weekly Review 27 September 2024

我上周在推特上发布了一些有趣的链接(我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接):这是人工智能的真正危险,它可以用于增强监控,大型科技公司可以通过这样做赚很多钱:https://www.theregister.com/2024/09/16/oracle_ai_mass_surveillance_cloud/除了需要大量能源外,人工智能还需要大量水来冷却:https://www.techrepublic.com/article/generative-ai-data-center-water-use/使用人工智能消除招聘中的偏见。但人工智能会继

每周回顾 2024 年 7 月 26 日

Weekly Review 26 July 2024

我上周在 Twitter 上发布的一些有趣链接(我也在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接):英国新政府计划对部分(但不是全部)人工智能发展进行监管:https://www.computerworld.com/article/2520506/new-uk-government-downplays-ai-regulation-in-program-for-the-next-year.html令人振奋的是,合乎道德的人工智能引领了这一人工智能趋势:https://dataconomy.com/2024/07/16/ai-and-machine-

在相机面前,你只是一个火柴人

You’re just a stick figure to this camera

一款新型摄像头可以防止公司从智能家居摄像头和机器人吸尘器等设备收集令人尴尬和可识别的照片和视频。它被称为 PrivacyLens,由密歇根大学的工程师制造。

#216 – Vincent Racaniello:病毒和疫苗

#216 – Vincent Racaniello: Viruses and Vaccines

Vincent Racaniello 是哥伦比亚大学的病毒学家、免疫学家和微生物学家。他是教科书《病毒学原理》的合著者,也是《本周病毒学》播客的联合主持人。请查看我们的赞助商来支持此播客:- 隐私:https://privacy.com/lex 可在您的帐户中添加 5 美元- Justworks:https://justworks.com- Sun Basket:https://sunbasket.com/lex 并使用代码 LEX 可获得 35 美元折扣- The Information:https://theinformation.com/lex 可获得首月 75% 的折扣- Athlet

破解深度学习:通过示例进行模型反转攻击

Hacking deep learning: model inversion attack by example

与其他应用程序相比,深度学习模型似乎不太可能成为隐私攻击的受害者。但是,存在确定实体是否在训练集中使用的方法(称为成员推理的对抗性攻击),并且“模型反转”下包含的技术允许仅根据模型输出(有时是上下文信息)重建原始数据输入。这篇文章展示了模型反转的端到端示例,并探讨了使用 TensorFlow Privacy 的缓解策略。

使用 TensorFlow 实现差异隐私

Differential Privacy with TensorFlow

差异隐私保证数据库查询的结果基本上与单个个体在数据中的存在无关。应用于机器学习,我们预计没有任何单个训练示例会以实质性的方式影响训练模型的参数。这篇文章介绍了 TensorFlow Privacy,这是一个基于 TensorFlow 构建的库,可用于从 R 训练差分隐私深度学习模型。