Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Calibrating Noise to Sensitivity in Private Data Analysis
2006·6.864 Zitationen·Lecture notes in computer science
Volltext beim Verlag öffnen6.864
Zitationen
4
Autoren
2006
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 · 8.389 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.590 Zit.
Deep Learning with Differential Privacy
2016 · 5.571 Zit.
Large-Scale Machine Learning with Stochastic Gradient Descent
2010 · 5.558 Zit.
Federated Machine Learning
2019 · 5.524 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataCryptography and Data SecurityInternet Traffic Analysis and Secure E-voting