Black-Box Membership Inference Attacks Against Contrastive Learning Via Aggressive Data Augmentations
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, gb. 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
- Black-Box Membership Inference Attacks Against Contrastive Learning Via Aggressive Data Augmentations
- Date Crossref
- 01/01/2026
- Éditeur
- Institute of Electrical and Electronics Engineers (IEEE)
- 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
-
Huazhong University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Wuhan University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Queen Mary University of London pays non établi dans la noticeUniversité ou école supérieure
Huazhong University of Science and Technology, Wuhan University of Science and Technology et Queen Mary University of London.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Adversarial Robustness in Machine LearningAdvanced Graph Neural NetworksPrivacy-Preserving Technologies in Data