Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Survey on federated learning threats: Concepts, taxonomy on attacks and defences, experimental study and challenges
2022·264 Zitationen·Information FusionOpen Access
Volltext beim Verlag öffnen264
Zitationen
5
Autoren
2022
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 · 8.437 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.941 Zit.
Deep Learning with Differential Privacy
2016 · 5.697 Zit.
Federated Machine Learning
2019 · 5.666 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.604 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataAdversarial Robustness in Machine LearningArtificial Intelligence in Healthcare and Education