标题 |
Privacy-Enhancing and Robust Backdoor Defense for Federated Learning on Heterogeneous Data
异构数据联合学习的隐私增强和鲁棒后门防御
相关领域
后门
计算机科学
MNIST数据库
洗牌
聚类分析
上传
稳健性(进化)
信息隐私
人工智能
计算机安全
机器学习
数据挖掘
深度学习
生物化学
化学
基因
程序设计语言
操作系统
|
网址 | |
DOI |
10.1109/TIFS.2023.3326983
doi
|
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|