Kamalika Chaudhuri

Un nuovo approccio alla potatura dei dataset migliora le prestazioni del modello riducendo al contempo la dimensione dei dati.

Un sistema per controllare l'equità nell'apprendimento automatico proteggendo la privacy del modello.

Un nuovo approccio alla rappresentazione delle immagini con privacy differenziale tramite didascalie.

Nuovi meccanismi migliorano la privacy mantenendo l'utilità dei dati nel machine learning.

Nuovi metodi proteggono i dati personali nella generazione di immagini.

Una guida per proteggere la privacy dei dati individuali mentre si permette l'analisi dei dati.

Introducendo un nuovo modo per valutare i rischi per la privacy nei modelli di machine learning.

Questo articolo analizza come le teorie dell'apprendimento affrontano i cambiamenti di distribuzione.

Un nuovo metodo affronta le sfide di privacy per stimare con precisione le U-statistiche.

Esporre i rischi di manipolazione delle funzioni di influenza nel machine learning.

Scopri come i metodi per la privacy proteggono i dati sensibili nei modelli di linguaggio grandi.