Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Learning and Evaluating a Differentially Private Pre-trained Language Model
2021·12 ZitationenOpen Access
Volltext beim Verlag öffnen12
Zitationen
11
Autoren
2021
Jahr
Abstract
Shlomo Hoory, Amir Feder, Avichai Tendler, Alon Cohen, Sofia Erell, Itay Laish, Hootan Nakhost, Uri Stemmer, Ayelet Benjamini, Avinatan Hassidim, Yossi Matias. Proceedings of the Third Workshop on Privacy in Natural Language Processing. 2021.
Ähnliche Arbeiten
k-ANONYMITY: A MODEL FOR PROTECTING PRIVACY
2002 · 8.402 Zit.
Calibrating Noise to Sensitivity in Private Data Analysis
2006 · 6.892 Zit.
Deep Learning with Differential Privacy
2016 · 5.620 Zit.
Communication-Efficient Learning of Deep Networks from Decentralized\n Data
2016 · 5.594 Zit.
Federated Machine Learning
2019 · 5.574 Zit.
Autoren
Institutionen
Themen
Privacy-Preserving Technologies in DataArtificial Intelligence in Healthcare and EducationAdversarial Robustness in Machine Learning