本論文は、データ拡張とマシン・アンラーニングを組み合わせることで、機械学習モデルの公平性と堅牢性を同時に実現する手法を提案している。
具体的には以下の2つのタスクを交互に行う:
データ拡張:
マシン・アンラーニング:
実験評価の結果、提案手法は CIFAR-10 および CelebA データセットにおいて、偏りの大幅な低減と、最新の会員推定攻撃に対する堅牢性の向上を示した。
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Zhixin Pan,E... om arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.13194.pdfDiepere vragen