Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Towards understanding quality challenges of the federated learning for neural networks: a first look from the lens of robustness
2023·7 Zitationen·Empirical Software Engineering
Volltext beim Verlag öffnen7
Zitationen
5
Autoren
2023
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 · 8.423 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.926 Zit.
Deep Learning with Differential Privacy
2016 · 5.659 Zit.
Federated Machine Learning
2019 · 5.635 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.602 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataArtificial Intelligence in Healthcare and EducationAdversarial Robustness in Machine Learning