( en | de | ru )

 

Disambiguierung von "Rieger, Phillip"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
FedCRI: Federated Mobile Cyber-Risk Intelligence

, , , , , und . The Network and Distributed System Security Symposium (NDSS), (2022)
DOI: 10.14722/ndss.2022.23153

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Thomas Phillip

Phillip Thiebes

Phillip Schley

Phillip Inderhees

Phillip Würzinger

 

Weitere Publikationen von Autoren mit dem selben Namen

FLAME: Taming Backdoors in Federated Learning., , , , , , , , , und 3 andere Autor(en). USENIX Security Symposium, Seite 1415-1432. USENIX Association, (2022)AuthentiSense: A Scalable Behavioral Biometrics Authentication Scheme using Few-Shot Learning for Mobile Platforms., , , , , , , und . NDSS, The Internet Society, (2023)DeepSight: Mitigating Backdoor Attacks in Federated Learning Through Deep Model Inspection., , , und . NDSS, The Internet Society, (2022)BayBFed: Bayesian Backdoor Defense for Federated Learning., , , , und . SP, Seite 737-754. IEEE, (2023)FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning., , , , und . CoRR, (2023)FLGUARD: Secure and Private Federated Learning., , , , , , , , , und 1 andere Autor(en). IACR Cryptol. ePrint Arch., (2021)ARGUS: Context-Based Detection of Stealthy IoT Infiltration Attacks., , , , , und . USENIX Security Symposium, Seite 4301-4318. USENIX Association, (2023)Don't Buy the Pig in a Poke: Benchmarking DNNs Inference Performance before Development., , und . HICSS, Seite 7790-7799. ScholarSpace, (2024)SAFELearn: Secure Aggregation for private FEderated Learning., , , , , , , , , und 1 andere Autor(en). SP (Workshops), Seite 56-62. IEEE, (2021)FLEDGE: Ledger-based Federated Learning Resilient to Inference and Backdoor Attacks., , , , und . ACSAC, Seite 647-661. ACM, (2023)