Publication

Challenging the Assumptions: Rethinking Privacy, Bias, and Security in Machine Learning

Publications associées (62)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Challenging the Assumptions: Rethinking Privacy, Bias, and Security in Machine Learning

Graph Chatbot

Chattez avec Graph Search

Arbitrary Decisions are a Hidden Cost of Differentially Private Training

On the Privacy-Robustness-Utility Trilemma in Distributed Learning

On the (In)security of Peer-to-Peer Decentralized Machine Learning

Data Privacy Concerns as a Source of Resistance to Complete Mobile Data Collection Tasks Via a Smartphone App

Generating Higher-Fidelity Synthetic Datasets with Privacy Guarantees

On the advantages of P2P ML on mobile devices

Epidemic mitigation by statistical inference from contact tracing data

Covid-19 contact tracing: efficacy and privacy

Data-Aware Privacy-Preserving Machine Learning

Bayesian Differential Privacy for Machine Learning