调查详细介绍了用于人工智能隐私的不可学习数据方法

本次调查全面回顾了不可学习数据（ULD），这是一种通过数据扰动来降低模型性能，从而保护机器学习中数据隐私和安全的技术。它考察了 ULD 的生成方法、基准测试、评估指标、理论基础和实际应用。调查还讨论了扰动不可感知性与模型退化和计算复杂性之间的平衡等挑战，并强调了未来的研究方向。 AI

影响 为专注于数据隐私和安全的人工智能研究人员和从业者提供了不可学习数据技术的入门概述。

排序理由 该条目是关于特定人工智能技术的调查论文，发表在 arXiv 上。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Jiahao Li
• ScienceCast
• Unlearnable Data

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →