Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
VESPA: Vulnerability-Enhanced Selective Privacy Preservation Adaptation against Nucleotide Inference for Genomic Embeddings in Large Language Models
2026·0 Zitationen
Volltext beim Verlag öffnen0
Zitationen
3
Autoren
2026
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
k-ANONYMITY: A MODEL FOR PROTECTING PRIVACY
2002 · 8.397 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.878 Zit.
Deep Learning with Differential Privacy
2016 · 5.604 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.592 Zit.
Large-Scale Machine Learning with Stochastic Gradient Descent
2010 · 5.569 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataTopic ModelingArtificial Intelligence in Healthcare and Education