Qiongxiu Li

Questo studio esamina le differenze di privacy tra l'apprendimento federato decentralizzato e quello centralizzato.

Uno sguardo alle preoccupazioni sulla privacy nei sistemi di apprendimento centralizzati e decentralizzati.

Esaminare le sfide di privacy legate all'Apprendimento Federato e agli attacchi di inversione del gradiente.

Un nuovo metodo protegge la privacy mentre si trovano i valori massimi nelle reti distribuite.

ProP offre un modo efficace per rilevare attacchi backdoor sui modelli di machine learning.