Qiongxiu Li

Este estudio examina las diferencias de privacidad entre el aprendizaje federado descentralizado y el centralizado.

Una mirada a las preocupaciones de privacidad en sistemas de aprendizaje centralizados y descentralizados.

Examinando los desafíos de privacidad asociados con el Aprendizaje Federado y los ataques de inversión de gradiente.

Un nuevo método protege la privacidad mientras encuentra valores máximos en redes distribuidas.

ProP ofrece una forma efectiva de detectar ataques por la puerta de atrás en modelos de aprendizaje automático.