摘要: EMNLP2017. 本文认为多模态情感分析存在两个挑战。模态间的动态变化:声音、文本、图像之间会相互作用相互影响。模态内的动态变化:对口语化的文本文件进行情感分析非常困难。 因此,为了应对这两个挑战,作者提出了一种新的模型Tensor Fusion Network(张量融合网络,TFN),TFN能 阅读全文
posted @ 2022-12-16 21:28 方班隐私保护小组 阅读(108) 评论(0) 推荐(0) 编辑
摘要: Zeng, Jun, et al. "SHADEWATCHER: Recommendation-guided Cyber Threat Analysis using System Audit Records." 2022 IEEE Symposium on Security and Privacy 阅读全文
posted @ 2022-12-16 17:40 方班隐私保护小组 阅读(216) 评论(0) 推荐(0) 编辑
摘要: Jonas Böhler and Florian Kerschbaum. 2021. Secure Multi-party Computation of Differentially Private Heavy Hitters. In Proceedings ofthe 2021 ACM SIGSA 阅读全文
posted @ 2022-12-16 17:06 方班隐私保护小组 阅读(79) 评论(0) 推荐(0) 编辑
摘要: Akbari, Hassan, et al. "Vatt: Transformers for multimodal self-supervised learning from raw video, audio and text." Advances in Neural Information Pro 阅读全文
posted @ 2022-12-16 16:46 方班隐私保护小组 阅读(60) 评论(0) 推荐(0) 编辑
摘要: Fraboni, Yann, et al. "Clustered sampling: Low-variance and improved representativity for clients selection in federated learning." International Conf 阅读全文
posted @ 2022-12-16 14:56 方班隐私保护小组 阅读(428) 评论(0) 推荐(0) 编辑
摘要: Fung, Clement, Chris JM Yoon, and Ivan Beschastnikh. "The limitations of federated learning in sybil settings." 23rd International Symposium on Resear 阅读全文
posted @ 2022-12-04 01:37 方班隐私保护小组 阅读(132) 评论(0) 推荐(0) 编辑
摘要: Anh-Tu Tran, The-Dung Luong, Jessada Karnjana, Van-Nam Huynh. An efficient approach for privacy preserving decentralized deep learning models based on 阅读全文
posted @ 2022-12-03 22:59 方班隐私保护小组 阅读(77) 评论(0) 推荐(0) 编辑
摘要: The 30th USENIX Security Symposium. 本文贡献主要有两部分,一是提出一种基于修改预测熵的新成员推理攻击方法。二是定义了一个称为隐私风险分数的指标,用来估计每个样本成为训练集中成员的可能性,提供更加细粒度的隐私风险分析。 首先是基于预测熵的成员推理攻击,模型的整个训练 阅读全文
posted @ 2022-12-03 21:46 方班隐私保护小组 阅读(70) 评论(0) 推荐(0) 编辑
摘要: ACM SIGSAC conference on computer and communications security. 本文主要对目标模型查询样本得出的预测向量进行了优化,通过添加噪声使目标模型在不改变查询样本的预测标签的情况下对预测向量进行具有目的性的有限改变,最终使攻击者的成员推理攻击分类 阅读全文
posted @ 2022-11-26 00:03 方班隐私保护小组 阅读(79) 评论(0) 推荐(0) 编辑
摘要: Li, Li, et al. "A review of applications in federated learning." Computers & Industrial Engineering 149 (2020): 106854.CCF-A(AAAI'20) 本论文提出了一种联邦学习框架,可 阅读全文
posted @ 2022-11-25 22:26 方班隐私保护小组 阅读(53) 评论(0) 推荐(0) 编辑