• Browser fingerprinting: how to...
  • Bestand

Treffer: Browser fingerprinting: how to protect machine learning models and data with differential privacy?

Titel:
Browser fingerprinting: how to protect machine learning models and data with differential privacy? / Katharina Dietz, Michael Mühlhauser, Michael Seufert, Nicholas Gray, Tobias Hoßfeld, Dominik Herrmann ; Herausgeber: Mathias Fischer, Winfried Lamerdorf
Beteiligt:
Dietz, Katharina (Verfasser); Mühlhauser, Michael (Verfasser); Seufert, Michael Thomas (Verfasser) ; Gray, Nicholas (Verfasser); Hoßfeld, Tobias (Verfasser); Herrmann, Dominik (Verfasser); Fischer, Mathias (Herausgeber); Lamerdorf, Winfried (Herausgeber)
Veröffent­licht:
Augsburg : Universität Augsburg, 2021
Berlin : Universitätsbibliothek TU Berlin, 2021
Umfang:
1 Online-Ressource
Format:
E-Book
Sprache:
Englisch
Schriftenreihe/­Mehrbändiges Werk:
Electronic Communications of the EASST ; 80
Anmerkungen:
In: 1st International Workshop on Machine Learning in Networking (MaLeNe), part of the Conference on Networked Systems 2021 (NetSys 2021), September 13-16, 2021, Lübeck, Germany, S.
DOI:
10.14279/tuj.eceasst.80.1179

Zusatz-Informationen

Zusatz-Funktionen