PulseAugur
中
实时 08:24:17
English(EN) Class-Aware Adaptive Differential Privacy in Deep Learning for Sensor-Based Fall Detection

新的隐私框架增强了用于跌倒检测的深度学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为类别感知自适应差分隐私（CA-ADP）的新框架，以增强基于传感器的跌倒检测深度学习模型的隐私性。该方法根据小批量数据的构成动态调整添加到训练数据中的噪声，旨在在不显著降低性能的情况下保护隐私。在三个公共数据集上的评估表明，与传统的隐私模型相比，CA-ADP 的 F 分数提高了 8.5%，并提供了正式的隐私保证。 AI

影响 为医疗保健 AI 引入了一种新颖的隐私保护技术，有可能提高敏感应用中的效用和信任度。

排序理由 这是一篇详细介绍深度学习模型新颖隐私框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的隐私框架增强了用于跌倒检测的深度学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Joydeb Kumar Sana ·

    面向传感器跌倒检测的深度学习中的类感知自适应差分隐私

    arXiv:2605.01679v1 Announce Type: cross Abstract: Fall detection is a critical task in healthcare, particularly for elderly people. Timely fall detection and treatment can prevent severe injuries. Sensor-based activity data can be used to detect fall. However, this data are highl…

相关实体

相关话题