Wir benötigen Ihre Einwilligung zur Verwendung der einzelnen Daten, damit Sie unter anderem Informationen zu Ihren Interessen einsehen können. Klicken Sie auf "OK", um Ihre Zustimmung zu erteilen.
IEEE Recommended Practice for Privacy and Security for Federated Machine Learning
Name übersetzen
NORM herausgegeben am 26.4.2024
Bezeichnung normen: IEEE 2986-2023
Ausgabedatum normen: 26.4.2024
SKU: NS-1182462
Zahl der Seiten: 57
Gewicht ca.: 171 g (0.38 Pfund)
Land: Internationale technische Norm
Kategorie: Technische Normen IEEE
New IEEE Standard - Active.
Privacy and security issues pose great challenges to the federated machine leaning (FML) community. A general view on privacy and security risks while meeting applicable privacy and security requirements in FML is provided. This recommended practice is provided in four parts: malicious failure and non-malicious failure in FML, privacy and security requirements from the perspective of system and FML participants, defensive methods and fault recovery methods, and the privacy and security risks evaluation. It also provides some guidance for typical FML scenarios in different industry areas, which can facilitate practitioners to use FML in a better way.
ISBN: 979-8-8557-0705-2, 979-8-8557-0706-9
Number of Pages: 57
Product Code: STD26928, STDPD26928
Keywords: federated machine learning, FML, IEEE 2986™, machine learning, privacy, security
Category: Computer Security and Privacy
Wollen Sie sich sicher sein, dass Sie nur die gültigen technischen Vorschriften verwenden?
Wir bieten Ihnen Lösungen, damit Sie immer nur die gültigen (aktuellen) legislativen Vorschriften verwenden könnten.
Brauchen Sie mehr Informationen? Sehen Sie sich diese Seite an.
Letzte Aktualisierung: 2024-08-01 (Zahl der Positionen: 2 341 429)
© Copyright 2024 NORMSERVIS s.r.o.