Konferenzpaper | 2023 | Peer reviewed

Secure Federations: Addressing the Security Challenges in Federated Learning and Privacy-Preserving AI

Autor*innen

Fomuso Ekellem, Elizabeth

DOI

10.1109/ISAS60782.2023.10391351

ISBN-13

#defaultkonferenzband 9798350383065

Weitere Details

Sprache

englisch

Darstellungsform

Text

Seitenbereich

1 - 6

Schlüsselwörter

Federated Learning , Privacy-Preserving AI , adversarial attacks , and distributed machine learning , data injection , healthcare applications , model poisoning

Zitierstile

Fomuso Ekellem, E. (2023). Secure Federations: Addressing the Security Challenges in Federated Learning and Privacy-Preserving AI. In U. UNBEKANNT, ohne Angabe (pp. 1–6). ohne Angabe: ohne Angabe. doi:10.1109/ISAS60782.2023.10391351

In die Zwischenablage kopieren

Fomuso Ekellem, E., 2023. Secure Federations: Addressing the Security Challenges in Federated Learning and Privacy-Preserving AI. In: ohne Angabe. ohne Angabe. ohne Angabe: ohne Angabe, pp.1–6.

In die Zwischenablage kopieren

Fomuso Ekellem, Elizabeth 2023. Secure Federations: Addressing the Security Challenges in Federated Learning and Privacy-Preserving AI. In ohne Angabe. ohne Angabe. ohne Angabe: ohne Angabe, 1–6.

In die Zwischenablage kopieren

Download
RDF/XML-Format
JSON-LD-Format
Turtle-Format
N3-Format

Zitierstile

In die Zwischenablage kopieren

Fomuso Ekellem, E., 2023. Secure Federations: Addressing the Security Challenges in Federated Learning and Privacy-Preserving AI. In: ohne Angabe. ohne Angabe. ohne Angabe: ohne Angabe, pp.1–6.

In die Zwischenablage kopieren

Fomuso Ekellem, Elizabeth 2023. Secure Federations: Addressing the Security Challenges in Federated Learning and Privacy-Preserving AI. In ohne Angabe. ohne Angabe. ohne Angabe: ohne Angabe, 1–6.

In die Zwischenablage kopieren

Download
RDF/XML-Format
JSON-LD-Format
Turtle-Format
N3-Format

American Psychological Association 6th edition (DOI)

Anglia Ruskin University - Harvard

Gesellschaft für Bildung und Forschung in Europa - Harvard