Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Nob-MIAs: Non-biased Membership Inference Attacks Assessment on Large Language Models with Ex-Post Dataset Construction
2024·2 Zitationen·Lecture notes in computer scienceOpen Access
Volltext beim Verlag öffnen2
Zitationen
6
Autoren
2024
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.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.864 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.
Autoren
Institutionen
- Université d'Orléans(FR)
- Centre Inria de Saclay(FR)
- Centre Val de Loire(FR)
- Institut National des Sciences Appliquées Centre Val de Loire(FR)
- École Nationale Supérieure de Techniques Avancées(FR)
- École Nationale Supérieure de Techniques Avancées Paris(FR)
- Université Paris-Saclay(FR)
- Centre Inria de l'Université Grenoble Alpes(FR)
- Université Grenoble Alpes(FR)
- Universidad Carlos III de Madrid(ES)
Themen
Privacy-Preserving Technologies in DataArtificial Intelligence in Healthcare and EducationAdversarial Robustness in Machine Learning