实体
Maximilian Hoefler
Maximilian Hoefler
PulseAugur coverage of Maximilian Hoefler — every cluster mentioning Maximilian Hoefler across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新研究解决了神经网络推理中的隐私风险
两篇新研究论文探讨了在神经网络推理过程中增强隐私的方法。第一篇论文《稀疏协作推理的隐私研究》（A Privacy Study of Sparse Collaborative Inference），作者为 Maximilian Hoefler，研究了稀疏激活在协作推理中相关的隐私风险，发现这些激活的位置会泄露敏感信息。第二篇论文《CutClean：用于隐私保护推理的神经网络剪枝》（CutClean: Neural Network Pru…
-
新的 FedKT-CSD 框架增强了联邦学习的隐私性
研究人员推出了一种用于联邦学习的新型框架 FedKT-CSD，该框架增强了隐私性和效率。该方法利用了从预训练自编码器派生的共享潜在空间，允许客户端对数据进行编码并将统计信息传输到服务器。服务器然后聚合这些统计信息，应用差分隐私，并生成用于全局模型训练的合成数据集，从而确保正式的隐私保证，同时保持较低的通信开销和对数据异质性的鲁棒性。
-
新的FedXDS方法使用XAI来改进数据共享的联邦学习
研究人员推出了一种名为FedXDS的新方法，该方法利用可解释人工智能（XAI）技术来解决联邦学习中的数据异质性问题。该方法使用特征归因来识别和选择性地共享客户端之间的任务相关数据元素，从而减轻性能下降。FedXDS还结合了度量隐私技术，以在保持效用的同时确保正式的隐私保证。实验结果表明，与现有方法相比，该方法实现了更高的准确性和更快的收敛速度，并具有理论隐私保证和对常见攻击的经验鲁棒性。