Prodigal: Backdoor defense for federated learning beyond robust aggregation
3Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Prodigal: Backdoor defense for federated learning beyond robust aggregation
- Date Crossref
- 01/01/2026
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
South China University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Peng Cheng Laboratory pays non établi dans la noticeStructure de recherche
-
South China Agricultural University pays non établi dans la noticeUniversité ou école supérieure
-
Sun Yat-sen University pays non établi dans la noticeUniversité ou école supérieure
-
Shenzhen Technology University pays non établi dans la noticeUniversité ou école supérieure
-
School of Computer Science and Engineering pays non établi dans la noticeUniversité ou école supérieure
-
China and Pengcheng Laboratory pays non établi dans la noticeStructure de recherche
-
College of Mathematics and Informatics pays non établi dans la noticeUniversité ou école supérieure
-
School of Cyber Science and Technology pays non établi dans la noticeUniversité ou école supérieure
South China University of Technology, Peng Cheng Laboratory et South China Agricultural University, avec 6 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Adversarial Robustness in Machine LearningExplainable Artificial Intelligence (XAI)Network Security and Intrusion Detection