Suche nach Privacy | meineki.news

KI-Framework löst Datenschutzprobleme bei Duplikaterkennung im Gesundheitswesen

In Kundenbeziehungsmanagement und Gesundheitsdaten entstehen durch doppelte Einträge erhebliche Probleme: Analysen werden verzerrt, Nutzere…

arXiv – cs.LG 06.03.2026 05:00

Praxis

Liquid AI stellt LFM2-24B-A2B & LocalCowork für datenschutzfreundlich Agenten bereit

Liquid AI hat das neue Modell LFM2-24B-A2B veröffentlicht, das speziell für die lokale, schnelle Ausführung von Tool-Dispatches optimiert i…

MarkTechPost 06.03.2026 05:45

Forschung

Differenzielle Privatsphäre in Zwei-Schicht-Netzwerken: DP‑SGD schädigt Fairness & Robustheit

In einem neuen Beitrag auf arXiv wird gezeigt, dass die Anwendung von Differential Privacy (DP) über den Algorithmus DP‑SGD in zweischichti…

arXiv – cs.LG 06.03.2026 05:00

Forschung

SuperLocalMemory: Mehr Sicherheit für Multi-Agenten mit Bayesian Trust

SuperLocalMemory ist ein lokales Speichersystem, das speziell für Multi-Agenten‑KI entwickelt wurde. Durch architektonische Isolation und e…

arXiv – cs.AI 04.03.2026 05:00

Forschung

Federated Inference: Datenschutzfreundliche, kollaborative Modellbereitstellung

Ein neuer Forschungsbereich, der als Federated Inference (FI) bezeichnet wird, eröffnet die Möglichkeit, dass unabhängige, privat betrieben…

arXiv – cs.AI 04.03.2026 05:00

Forschung

Generative AI im Browser: Datenschutz‑sichere App zur Krankheitsgeschichte lernt

Ein neuer Bericht über das Lernen der natürlichen Krankheitsgeschichte mit generativen Transformern hat die Tür zu einer wichtigen technisc…

arXiv – cs.LG 03.03.2026 05:00

Forschung

MPU: Mehr Sicherheit und Datenschutz beim Vergessen großer Sprachmodelle

In der Forschung zum maschinellen Vergessen großer Sprachmodelle stellt sich häufig ein Datenschutzproblem dar: Sowohl die Serverparameter…

arXiv – cs.LG 02.03.2026 05:00

Forschung

SemSIEdit: LLMs korrigieren sensible Infos – Lecks um 34,6 % reduziert

Eine neue Studie aus dem arXiv-Repository zeigt, dass große Sprachmodelle ihre eigenen sensiblen Ausgaben selbstständig korrigieren können…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Kleine Sprachmodelle extrahieren klinische Daten aus persischen Transkripten

In einer neuen Studie wurden fünf Open‑Source‑Small‑Language‑Models (SLMs) – Qwen2.5‑7B‑Instruct, Llama‑3.1‑8B‑Instruct, Llama‑3.2‑3B‑Instr…

arXiv – cs.AI 26.02.2026 05:00

Aktuell

Samsung S26 Ultra: Das Lichtbending-Display ist mehr als ein Party-Trick

Bei der jüngsten Samsung Unpacked-Veranstaltung wurde das Galaxy S26 Ultra vorgestellt, das mit einem innovativen Lichtbending-Display aufw…

ZDNet – Artificial Intelligence 26.02.2026 12:06

Forschung

JAX-Privacy: Neue Bibliothek für effizientes, privates maschinelles Lernen

Die auf arXiv veröffentlichte Bibliothek JAX-Privacy vereinfacht die Implementierung robuster und leistungsfähiger Mechanismen für das diff…

arXiv – cs.LG 23.02.2026 05:00

Forschung

NLP-PRISM: Leitfaden zur Erkennung von Datenschutzrisiken in sozialen Medien

Ein neues, umfassendes Survey‑Paper aus dem arXiv‑Repository (2602.15866v1) präsentiert NLP‑PRISM, einen strukturierten Rahmen zur Bewertun…

arXiv – cs.AI 19.02.2026 05:00

Forschung

Federated Learning schützt Smart Meter vor Energie-Diebstahl

Der Diebstahl von Energie aus Smart Grids stellt eine ernsthafte Bedrohung für die Stabilität und Wirtschaftlichkeit moderner Stromnetze da…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Differenzielle Privatsphäre in nicht-konvexen, robusten Optimierungsmodellen

In realen Anwendungen treten häufig Datenverzerrungen, Ungleichgewichte zwischen Gruppen und gezielte Störungen auf, die die klassische Met…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Neues Verfahren: Zertifiziertes Unlearning mit individueller Sensitivitätsmessung

Forscher haben ein neues Verfahren vorgestellt, das zertifiziertes Machine‑Unlearning ermöglicht, ohne die Leistung stark zu beeinträchtige…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Hybrid‑Federated & Split Learning: Datenschutzfreundliche klinische Vorhersagen

In der klinischen Entscheidungsunterstützung ist die gemeinsame Nutzung von Patientendaten häufig durch strenge Governance‑ und Datenschutz…

arXiv – cs.LG 18.02.2026 05:00

Forschung

AgentLeak: Benchmark deckt massive Datenschutzlücken in Multi-Agent-LLM-Systemen auf

Ein neues Benchmark-Tool namens AgentLeak hat die Schwachstellen von Multi-Agent-LLM-Systemen aufgedeckt, die bisher von herkömmlichen Prüf…

arXiv – cs.AI 13.02.2026 05:00

Forschung

PRISM-XR: Datenschutzfreundliche XR‑Kollaboration mit multimodalen LLMs

In einer wegweisenden Entwicklung für die erweiterte Realität (XR) präsentiert PRISM‑XR ein innovatives Framework, das die Zusammenarbeit v…

arXiv – cs.AI 12.02.2026 05:00

Forschung

Anonymisierung schützt mobile GUI-Agenten: Daten bleiben verfügbar, unsichtbar

Mobile GUI‑Agenten, die auf multimodalen großen Sprachmodellen und systemnahen Steuerungsinterfaces basieren, haben die Automatisierung kom…

arXiv – cs.AI 12.02.2026 05:00

Forschung

Neue risikobasierte Privatsphäre schützt Ausreißer in synthetischen Daten

Bei der Veröffentlichung synthetischer Datensätze sind manche Personen besonders anfällig für Angriffe. Patienten mit seltenen Krankheitsko…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Neue Studie beleuchtet Datenschutzrisiken bei synthetischen Finanzdaten

Eine aktuelle Veröffentlichung auf arXiv untersucht die Balance zwischen Datenschutz und Nutzen bei der Erzeugung synthetischer Finanzdaten…

arXiv – cs.LG 11.02.2026 05:00

Praxis

<h1>Federated Learning: LoRA-Fine‑Tuning von LLMs mit Flower & PEFT</h1> <p>In einem neuen Tutorial wird gezeigt, wie das Feintuning eines großen Sprachmodells (LLM) federiert werden kann, ohne jemals private Textdaten zu zentralisieren. Durch den Einsatz von LoRA (Low‑Rank Adaptation) bleiben die Daten der einzelnen Organisationen lokal, während das Modell gemeinsam verbessert wird.</p> <p>Das Beispiel simuliert mehrere Organisationen als virtuelle Clients. Jeder Client passt das gemeinsame Basismodell lok

MarkTechPost 10.02.2026 04:57

Forschung

Tensor‑Train‑Modelle schützen Vorhersagen: Genauigkeit & Datenschutz

In der klinischen Praxis muss maschinelles Lernen drei zentrale Ziele gleichzeitig erfüllen: hohe Vorhersagekraft, klare Interpretierbarkei…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Neues Verfahren verbessert Qualität und Datenschutz bei synthetischen Tabellendaten

Forscher haben ein einfaches, modellunabhängiges Nachbearbeitungsverfahren entwickelt, das die Qualität und den Datenschutz synthetischer T…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Adaptive Differential Privacy im Federated Learning: Mehr Stabilität

Federated Learning ermöglicht es verteilten Geräten, gemeinsam Modelle zu trainieren, ohne dass sensible Daten zentralisiert werden. In rea…

arXiv – cs.AI 09.02.2026 05:00

Forschung

Private In-Context Learning: 30 % Genauigkeitszuwachs dank Product-of-Experts

Ein neues Verfahren aus dem Bereich der künstlichen Intelligenz verspricht, die Art und Weise, wie große Sprachmodelle (LLMs) Aufgaben lern…

arXiv – cs.LG 06.02.2026 05:00

Forschung

Neues HAR-System mit Tensor-Maschine steigert Genauigkeit bei Heimpflege

In einer aktuellen Studie aus dem arXiv-Repository wurde ein kostengünstiges, automatisiertes System zur Erkennung menschlicher Aktivitäten…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Matrix‑Faktorisierung: Mittelwertschätzung mit nutzerbezogener Privatsphäre

Ein neues arXiv‑Veröffentlichung beleuchtet die Herausforderung der kontinuierlichen Mittelwertschätzung, bei der Datenvektoren nacheinande…

arXiv – cs.LG 02.02.2026 05:00

Praxis

Dezentralisiertes Federated Learning: Gossip & Differential Privacy getestet

In diesem Tutorial wird gezeigt, wie Federated Learning funktioniert, wenn der klassische zentrale Aggregationsserver durch ein vollständig…

MarkTechPost 02.02.2026 01:14

Aktuell

Google startet Personal Intelligence: KI merkt sich mehr – Datenschutz im Fokus

Google hat im vergangenen Monat die neue Funktion Personal Intelligence vorgestellt, die es dem Gemini‑Chatbot ermöglicht, sich an Nutzerpr…

MIT Technology Review – Artificial Intelligence 28.01.2026 14:57

Finde Modelle, Firmen und Themen

KI-Framework löst Datenschutzprobleme bei Duplikaterkennung im Gesundheitswesen

Liquid AI stellt LFM2-24B-A2B & LocalCowork für datenschutzfreundlich Agenten bereit

Differenzielle Privatsphäre in Zwei-Schicht-Netzwerken: DP‑SGD schädigt Fairness & Robustheit

SuperLocalMemory: Mehr Sicherheit für Multi-Agenten mit Bayesian Trust

Federated Inference: Datenschutzfreundliche, kollaborative Modellbereitstellung

Generative AI im Browser: Datenschutz‑sichere App zur Krankheitsgeschichte lernt

MPU: Mehr Sicherheit und Datenschutz beim Vergessen großer Sprachmodelle

SemSIEdit: LLMs korrigieren sensible Infos – Lecks um 34,6 % reduziert

Kleine Sprachmodelle extrahieren klinische Daten aus persischen Transkripten

Samsung S26 Ultra: Das Lichtbending-Display ist mehr als ein Party-Trick

JAX-Privacy: Neue Bibliothek für effizientes, privates maschinelles Lernen

NLP-PRISM: Leitfaden zur Erkennung von Datenschutzrisiken in sozialen Medien

Federated Learning schützt Smart Meter vor Energie-Diebstahl

Differenzielle Privatsphäre in nicht-konvexen, robusten Optimierungsmodellen

Neues Verfahren: Zertifiziertes Unlearning mit individueller Sensitivitätsmessung

Hybrid‑Federated & Split Learning: Datenschutzfreundliche klinische Vorhersagen

AgentLeak: Benchmark deckt massive Datenschutzlücken in Multi-Agent-LLM-Systemen auf

PRISM-XR: Datenschutzfreundliche XR‑Kollaboration mit multimodalen LLMs

Anonymisierung schützt mobile GUI-Agenten: Daten bleiben verfügbar, unsichtbar

Neue risikobasierte Privatsphäre schützt Ausreißer in synthetischen Daten

Neue Studie beleuchtet Datenschutzrisiken bei synthetischen Finanzdaten

Tensor‑Train‑Modelle schützen Vorhersagen: Genauigkeit & Datenschutz

Neues Verfahren verbessert Qualität und Datenschutz bei synthetischen Tabellendaten

Adaptive Differential Privacy im Federated Learning: Mehr Stabilität

Private In-Context Learning: 30 % Genauigkeitszuwachs dank Product-of-Experts

Neues HAR-System mit Tensor-Maschine steigert Genauigkeit bei Heimpflege

Matrix‑Faktorisierung: Mittelwertschätzung mit nutzerbezogener Privatsphäre

Dezentralisiertes Federated Learning: Gossip & Differential Privacy getestet

Google startet Personal Intelligence: KI merkt sich mehr – Datenschutz im Fokus

🍪 Cookie-Einstellungen

SemSIEdit: LLMs korrigieren sensible Infos – Lecks um 34,6 % reduziert

Private In-Context Learning: 30 % Genauigkeitszuwachs dank Product-of-Experts