Kamalika Chaudhuri

Neue Methoden schützen persönliche Daten bei der Bildgenerierung.

Ein Leitfaden zum Schutz der persönlichen Datenschutzes bei gleichzeitiger Ermöglichung von Datenanalysen.

Wir stellen eine neue Methode vor, um Privatsphäre-Risiken in Machine-Learning-Modellen zu bewerten.

Dieser Artikel untersucht, wie LernTheorien mit Veränderungen in der Verteilung umgehen.

Eine neue Methode geht die Herausforderungen des Datenschutzes bei der genauen Schätzung von U-Statistiken an.

Die Manipulationsrisiken von Einflussfunktionen im maschinellen Lernen aufdecken.

Entdecke, wie datenschutzfreundliche Methoden sensible Informationen in grossen Sprachmodellen schützen.