| 标题 |
 Inverting Gradients - How easy is it to break privacy in federated learning? 反转梯度——在联合学习中打破隐私有多容易？
相关领域
计算机科学
不变（物理）
对抗制
建筑
图像（数学）
人工神经网络
协议（科学）
深层神经网络
人工智能
联合学习
序列（生物学）
分布式计算
计算机视觉
数据挖掘
计算机网络
理论计算机科学
医学
艺术
视觉艺术
物理
替代医学
病理
数学物理
生物
遗传学
|
| 网址 | |
| DOI |
暂未提供，该求助的时间将会延长，查看原因？
|
| 其它 |
期刊：arXiv (Cornell University) 作者：Jonas Geiping; Hartmut Bauermeister; Hannah Dröge; Michael Moeller 出版日期：2020-01-01 |
| 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。
|
个性的紫菜
爱静静
Cloud
都是
寻道图强
不配.
iNk
乐乐乐乐乐乐
好困
InfoNinja
Singularity
HEIKU
Yziii
kento
Frank
云瑾
xiaxiao
宜醉宜游宜睡
yufanhui
shinysparrow
皖公网安备34019202002308
