Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
doi:10.22028/D291-47477 | Titel: | SecurityNet: Assessing Machine Learning Vulnerabilities on Public Models |
| VerfasserIn: | Zhang, Boyang Li, Zheng Yang, Ziqing He, Xinlei Backes, Michael Fritz, Mario Zhang, Yang |
| Sprache: | Englisch |
| Titel: | 33rd USENIX Security Symposium (USENIX Security 24) |
| Seiten: | 3873-3890 |
| Verlag/Plattform: | USENIX Association |
| Erscheinungsjahr: | 2024 |
| DDC-Sachgruppe: | 004 Informatik |
| Dokumenttyp: | Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag) |
| Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-474771 hdl:20.500.11880/41513 http://dx.doi.org/10.22028/D291-47477 |
| ISBN: | 978-1-939133-44-1 |
| Datum des Eintrags: | 14-Apr-2026 |
| Fakultät: | MI - Fakultät für Mathematik und Informatik |
| Fachrichtung: | MI - Informatik |
| Professur: | MI - Prof. Dr. Michael Backes |
| Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.