全球科技每日监测AI 与全技术每日扫描

中文读懂 AI 与全技术今天发生了什么

邮箱轻订阅 · 免费开订每日精选技术情报:中文标题 → 要点 → 详情链。主题月卡加量 · 数据 API 可对接。

AI 与全技术每日扫描

全球科技每日监测

中文读懂今天发生了什么 · 按时间更新 · 全量浏览

今日 125 条 · 论文 15 · 资讯 110 查看今日归档

免费邮箱订阅 主题月卡 数据 API →

数据源:本地 Harness 库 · 搜索「隐私保护」共 7 条

  • 论文公开站arXiv

    DP-SGD 下权重绑定对纯解码器 LLM 是否仍有益?

    Is Weight Tying Still Beneficial for Decoder-Only LLMs in Private Settings Under DP-SGD?

    DP-SGD 是大模型隐私保护微调的主流方法。许多纯解码器 LLM 采用输入输出嵌入权重绑定,本文在差分隐私设定下重新审视这一设计是否仍然有利。

  • 资讯公开站rss_arxiv_cs_ai

    SMARtCARE:面向有限自主临床决策支持的隐私保护智能体AI系统

    SMARtCARE: Privacy-Preserving Agentic AI Systems for Bounded-Autonomy Clinical Decision Support

    arXiv:2609.31763v1 公告类型:新 摘要:长上下文临床AI系统在既往入院记录超出当前推理上下文时,可能遗漏相关患者病史。在ICU监测中,这会导致早期生命体征漂移看似非特异性,即使其与既往恶化模式相似。SMARtCARE通过四状态临床决策支持架构解决这一缺口:稳定、元认知、辅助和受管制(撤销)。SMARtCARE不自动检索既往记录,而是使用患者既往轨迹的有损六通道指纹。当当前漂移与该指纹匹配且既往记录不在上下文中时,系统会…

  • 论文公开站arXiv

    面向高斯数据的无间隙差分隐私PCA

    Gap-free Differentially Private PCA for Gaussian Data

    摘要显示,该论文提出了一种针对高斯数据主成分分析(PCA)问题的无间隙差分隐私算法。原文仅给出简短声明,未披露具体技术细节、误差界或实验验证,因此该算法相对已有方法的改进幅度与适用条件尚不明确。

    意义:隐私保护机器学习方向的新算法声明,若成立可改善隐私PCA的精度与可用性,但需关注后续全文细节。

  • 资讯公开站EE Times

    更智能的建筑,更安全的住户:智能与隐私的交汇

    Smarter Buildings, Safer Occupants: Intelligence Meets Privacy

    摘要显示,现代楼宇自动化系统旨在优化能源效率,同时保障使用者的健康、安全与安保。文章探讨了智能建筑在引入智能技术时如何平衡隐私问题,但摘要未提供具体技术方案或数据。

    意义:智能建筑涉及大量传感器与数据采集,隐私保护是开发者必须考虑的合规与设计要点。

  • 广告顺丰上门 麦肯黄金甲香脆华夫薯格冷冻半成品空气炸锅联盟新款物料,适合对照规格与到手价再决定是否入手。淘宝¥74.9 · 精选自 全球电商每日爆款去看看
  • 资讯公开站EE Times

    智能摄像头保护隐私不能仅靠边缘AI

    Smarter Cameras Need More Than Edge AI to Protect Privacy

    EE Times报道Axis Communications与Pimloc的合作方案,指出智能摄像头保护隐私需结合遮蔽、加密、匿名化和治理等手段,同时保留有用证据。

    意义:对开发者和 AI 行业而言,边缘 AI 并非隐私合规的万能解,需叠加加密与数据治理,为摄像头产品设计提供更完整的隐私保护思路。

  • 资讯公开站Nature News

    消费级可穿戴设备用于科研是否安全?

    Is it safe to use consumer wearable devices for research?

    《自然》新闻提出消费级可穿戴设备用于科研的安全性问题,讨论其数据可靠性、隐私保护与科研适用性等隐患,但未给出具体研究数据或机构结论。

    意义:提醒依赖可穿戴数据的健康AI与科研项目关注数据质量、隐私合规与伦理风险。

  • 论文公开站arXiv

    FedV-KGQA:垂直分区知识图谱上的多跳问答框架

    FedV-KGQA: Multi-Hop Question Answering over Vertically Partitioned Knowledge Graphs

    FedV-KGQA 是一种用于垂直分区知识图谱的多跳问答框架,其中各组织共享实体但拥有不相交的关系集。它结合局部图增强和知识图谱嵌入,确保原始三元组和关系参数不离开各自数据孤岛,建立结构数据边界,无需集中式图访问。引入主题实体锚定机制,在无运行时跨孤岛通信的情况下将问题定位到正确图邻域。在三个基准测试的12种配置中,性能接近集中式,可泛化至3跳推理,并对嵌入扰动具有鲁棒性。

    意义:为数据治理和隐私约束下的知识图谱问答提供可行方案,实现多跳推理而无需集中数据,对联邦学习和隐私保护AI有重要价值。