Zobrazeno 1 - 7
of 7
pro vyhledávání: '"Guo, Ruoyang"'
The proliferation of location-based services and applications has brought significant attention to data and location privacy. While general secure computation and privacy-enhancing techniques can partially address this problem, one outstanding challe
Externí odkaz:
http://arxiv.org/abs/2408.07916
Federated Learning (FL) is a promising machine learning paradigm that enables the analyzer to train a model without collecting users' raw data. To ensure users' privacy, differentially private federated learning has been intensively studied. The exis
Externí odkaz:
http://arxiv.org/abs/2009.08063
Publikováno v:
In High-Confidence Computing June 2022 2(2)
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Transactions on Knowledge and Data Engineering. :1-1
Group $k$ k -nearest neighbor ( $k$ k GNN) search allows a group of $n$ n mobile users to jointly retrieve $k$ k points from a location-based service provider (LSP) that minimizes the aggregate distance to them. We identify four protection objectives
Publikováno v:
Web of Science
Federated Learning (FL) is a promising machine learning paradigm that enables the analyzer to train a model without collecting users' raw data. To ensure users' privacy, differentially private federated learning has been intensively studied. The exis
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::56d1f23736132eabb18cba650a6af158
https://publons.com/wos-op/publon/56459224/
https://publons.com/wos-op/publon/56459224/