À proposTopCours
← heapsort-ai

data privacy

39 items

ARTICLEDEV.to AI·06/05/2026

PII Protection for AI Agents: Why Detection Isn't Enough and What Prevents Actual Exposure

L'article souligne que les méthodes actuelles de détection et de rédaction des informations personnelles identifiables (PII) sont insuffisantes pour les systèmes d'IA agents, malgré des outils comme les pare-feu de confidentialité locaux et le filtre de confidentialité d'OpenAI. Il soutient que la simple interception des PII en transit ou leur étiquetage ultérieur n'est pas une solution robuste pour les interactions complexes de l'IA, soulignant la nécessité d'approches architecturales plus préventives pour éviter une exposition réelle.

data protectionLLMsdata privacysecurity
27
ARTICLEDEV.to AI·il y a 8j

Every Telegram conversation becomes a qualified lead. BizNode captures name, email, and business details automatically while...

BizNode est un opérateur commercial autonome basé sur l'IA qui transforme les conversations Telegram en leads qualifiés, en capturant automatiquement le nom, l'e-mail et les détails de l'entreprise. Il fonctionne localement, garantissant la confidentialité des données sans dépendance au cloud ni frais d'abonnement.

AI botsdata privacyLead GenerationLocal AI
27
ARTICLEDEV.to AI·27/04/2026

PIIGhost: a Python library for PII anonymization in LLM agents

L'auteur a développé la bibliothèque PIIGhost pour résoudre le problème des données sensibles dans les messages des agents LLM, notamment en ce qui concerne la souveraineté des données de l'UE. Elle vise à anonymiser les données en amont, permettant l'utilisation de LLM de haute qualité même pour les documents sensibles en découplant la sensibilité du contenu de l'emplacement du modèle.

LLMscloud computingdata privacysecurity
27
ARTICLEDEV.to AI·14/04/2026

Zero-Allocation PII Redaction in Go: Processing 780MB of Logs in Under 3 Minutes

Cet article présente un moteur de rédaction PII en Go, sans allocation et exécuté localement, conçu pour assainir de grands fichiers de logs avant de les alimenter aux LLM. L'outil identifie et masque efficacement les données sensibles comme les e-mails et les adresses IP, résolvant des défis courants de confidentialité et de performance dans les workflows d'IA.

LLMsPII Redactiondata privacyGo
27
ARTICLEDEV.to AI·il y a 21j

Kimi WebBridge just gave AI agents hands inside your browser — and kept your data local

Kimi WebBridge de Moonshot AI est une extension de navigateur qui permet aux agents IA d'opérer le navigateur localement, garantissant que les données de l'utilisateur restent sur l'appareil. Contrairement à d'autres outils, il traite toutes les sessions via le protocole Chrome DevTools sur votre machine, priorisant la confidentialité.

data privacysecuritybrowser automationMoonshot AI
27
RESEARCHarXiv CS.CL·05/05/2026

A Systematic Exploration of Text Decomposition and Budget Distribution in Differentially Private Text Obfuscation

Cet article explore systématiquement la décomposition de texte et la distribution du budget dans l'obfuscation de texte avec Confidentialité Différentielle (DP). Il évalue plusieurs techniques de découpage de textes et d'allocation du budget epsilon, révélant l'importance de ces choix de conception pour les résultats.

Differential Privacydata privacyprivacy budgetsecurity
27
ARTICLEDEV.to AI·15/04/2026

Why Build a Local MCP Server (And How to Do It in 15 Minutes)

L'article explique les avantages de la création d'un serveur local du Protocole de Contexte de Modèle (MCP) pour les agents IA, en soulignant la confidentialité des données, les outils personnalisés, l'absence de limites de débit et la capacité hors ligne. Il propose un guide rapide, incluant une implémentation TypeScript, pour configurer un serveur MCP local en moins de 15 minutes.

Custom ToolsMCP serverLocal serverdata privacy
27
RESEARCHarXiv CS.LG·il y a 16j

Approximate Machine Unlearning through Manifold Representation Forgetting Guided by Self Mode Connectivity

Cet article propose ManiF-SMC, une nouvelle méthode de désapprentissage automatique approximatif qui corrige les limites des approches existantes. Il reformule le désapprentissage comme le déplacement des représentations de variétés des échantillons effacés vers les voisins sémantiques des données conservées, visant l'équivalence avec le réentraînement.

data privacyModel Retrainingmachine unlearningManifold Learning
27
ARTICLEDEV.to AI·20/04/2026

The E‑Waste of Abandoned Models: What Happens to Obsolete AI Systems and Their Prompt Histories?

Le contenu aborde le « e-déchet » des modèles d'IA abandonnés, en se concentrant sur le sort des historiques de prompts et des données des utilisateurs après la mise hors service d'un système. Il explore les questions de rétention et de suppression des données, ainsi que les droits des utilisateurs sur leurs vestiges numériques tout au long du cycle de vie d'un modèle d'IA.

e-wasteuser rightsdata privacyAI lifecycle
27
ARTICLEDEV.to AI·08/05/2026

I Built an Open-Source AI Firewall Because Every LLM App Leaks Data

L'article souligne que de nombreuses applications LLM divulguent involontairement des données utilisateur sensibles aux fournisseurs d'IA, faute de mécanismes de filtrage et de rédaction appropriés. Pour y remédier, l'auteur a développé AI Security Gateway, un proxy open-source qui inspecte et rédige plus de 28 types d'informations personnelles identifiables (PII) des invites avant qu'elles n'atteignent un modèle LLM.

open-sourcedata privacysecurityPII
27
ARTICLEDEV.to AI·12/04/2026

Elevate Your Grant Writing: Avoiding AI's Common Pitfalls

Cet article aborde les défis de l'intégration de l'IA dans la rédaction de demandes de subvention, tels que la généricité et les risques liés aux données, soulignant que le problème réside dans la gouvernance de l'utilisation de l'IA. Il conseille de traiter l'IA comme un stagiaire non vérifié, de protéger les données sensibles et de l'utiliser uniquement pour la structure et la syntaxe avec un contenu désidentifié.

Nonprofitdata privacyAIgrant writing
27
NEWSDEV.to AI·12/04/2026

LLM Agent Workflows: Local AI Support, Prompt Tooling, & Claude Code API Costs

Ce contenu explore les avancées pratiques dans les applications LLM, se concentrant sur les agents d'IA locaux pour le support client, les outils d'ingénierie de prompts et les coûts de l'API Claude Code. Il articule la vision d'agents de support client basés sur les LLM, entièrement hors ligne et privés, pour des plateformes comme WhatsApp et Telegram, avec un accent sur la confidentialité des données.

prompt-engineeringLLM agentsdata privacyLocal AI
24
ARTICLEDEV.to AI·10/04/2026

Why Healthcare Organizations Keep Saying No to AI — And Why One Just Called QIS 'Necessary'

Uma organização nacional de defesa do paciente chamou um protocolo de IA, QIS, de 'necessário' para ajudar pacientes com câncer de pâncreas a encontrar opções de tratamento sem centralizar dados. Este momento revela que a adoção de novas tecnologias na saúde acontece quando a arquitetura resolve um problema real que a organização enfrenta.

Patient Advocacydata privacytechnology adoptionQIS Protocol
23
ARTICLEDEV.to AI·16/04/2026

Data Privacy is Non-Negotiable

En tant que développeurs, la confidentialité des utilisateurs doit être une priorité dès le premier jour. La protection des données est essentielle non seulement pour l'éthique, mais aussi pour le succès à long terme.

ethicsdata privacy
18