Xiao-Shan Gao

Analizando la estabilidad en el entrenamiento adversarial para mejorar la generalización del modelo.

Entendiendo ataques de ejemplos inaprendibles a través de la teoría de juegos para una mejor protección de datos.

Nuevos métodos para proteger datos sensibles contra accesos no autorizados en el aprendizaje automático.

Presentando nuevos métodos para mejorar los procesos de olvido en modelos de aprendizaje contrastivo.

Presentamos FC-EM para proteger los datos de nubes de puntos 3D contra accesos no autorizados.

Examinando las vulnerabilidades de los ataques de puerta trasera con etiquetas limpias y cómo los límites de generalización pueden ayudar.

PowerMLP ofrece una solución rápida para el entrenamiento eficiente de redes neuronales.

Aprende sobre los métodos de protección de datos y las amenazas en el mundo del aprendizaje automático.