Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 DetailsÜbersicht
  Gradient-Leaks: Understanding Deanonymization in Federated Learning

Orekondy, T., Oh, S. J., Zhang, Y., Schiele, B., & Fritz, M. (in press). Gradient-Leaks: Understanding Deanonymization in Federated Learning. In The 2nd International Workshop on Federated Learning for Data Privacy and Confidentiality. federated-learning.org.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0005-8E47-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-0008-27D2-F
Genre: Konferenzbeitrag
Latex : Gradient-Leaks: {U}nderstanding Deanonymization in Federated Learning

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Orekondy, Tribhuvanesh1, Autor           
Oh, Seong Joon1, Autor           
Zhang, Yang2, Autor
Schiele, Bernt1, Autor           
Fritz, Mario2, Autor           
Affiliations:
1Computer Vision and Machine Learning, MPI for Informatics, Max Planck Society, ou_1116547              
2External Organizations, ou_persistent22              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2019
 Publikationsstatus: Angenommen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: orekondy19gradient
URN: http://federated-learning.org/fl-neurips-2019/
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: The 2nd International Workshop on Federated Learning for Data Privacy and Confidentiality
Veranstaltungsort: Vancouver, Canada
Start-/Enddatum: 2019-12-13 - 2019-12-13

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: The 2nd International Workshop on Federated Learning for Data Privacy and Confidentiality
  Kurztitel : FL-NeurIPS 2019
  Untertitel : (in Conjunction with NeurIPS 2019)
Genre der Quelle: Konferenzband
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: federated-learning.org
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: - Identifikator: -