Qiongxiu Li

Diese Studie untersucht die Datenschutzunterschiede zwischen dezentralem und zentralisiertem föderierten Lernen.

Ein Blick auf Datenschutzbedenken in zentralisierten und dezentralisierten Lernsystemen.

Die Datenschutzprobleme bei Federated Learning und Gradienteninversionsangriffen untersuchen.

Eine neue Methode schützt die Privatsphäre, während sie maximale Werte in verteilten Netzwerken findet.

ProP bietet eine effektive Möglichkeit, Backdoor-Angriffe auf Machine-Learning-Modelle zu erkennen.