Aurélien Bellet

Ein Blick darauf, wie Random-Walk-Algorithmen die Privatsphäre bei dezentralem Lernen verbessern.

Der Artikel untersucht die Datenschutzbedrohungen bei dezentralen Lernmethoden und die Taktiken möglicher Angreifer.

Neue Methoden verbessern die Prüfungen der Privatsphäre und konzentrieren sich auf versteckte Zustandsmodelle im maschinellen Lernen.

Ein System zur privaten Histogrammschätzung, das die Privatsphäre der Nutzer schützt und gleichzeitig genaue Datenanalysen liefert.