Xiao-Shan Gao

Analyser la stabilité dans l'entraînement adversarial pour améliorer la généralisation du modèle.

Comprendre les attaques d'exemples non apprenables à travers la théorie des jeux pour une meilleure protection des données.

Nouvelles méthodes pour protéger les données sensibles contre l'accès non autorisé dans l'apprentissage automatique.

Présentation de nouvelles méthodes pour améliorer les processus d'oubli dans les modèles d'apprentissage contrastif.

Présentation de FC-EM pour protéger les données de nuages de points 3D contre les accès non autorisés.

Examiner les vulnérabilités des attaques par backdoor clean-label et comment les bornes de généralisation peuvent aider.

PowerMLP propose une solution rapide pour un entraînement efficace des réseaux de neurones.

Apprends tout sur les méthodes de protection des données et les menaces dans le paysage de l'apprentissage automatique.