Adversarial AI and Data Poisoning in Federated Learning
-
- Hardcover
- Taschenbuch ausgewählt
- eBook
-
Sprache:Englisch
321,99 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
20.02.2026
Herausgeber
Vipul Jain + weitereVerlag
IGI Global Scientific PublishingSeitenzahl
574
Maße (L/B/H)
28/21,6/3,1 cm
Gewicht
1424 g
Sprache
Englisch
EAN
9798337362250
With the growing security challenges at the intersection of distributed machine learning and malicious interference, there are growing challenges that federated learning can address. Federated learning enables collaborative model training across devices while preserving data privacy. However, this decentralized nature also opens new vulnerabilities, particularly to adversarial attacks and data poisoning, where malicious actors can inject corrupted data or manipulate updates to degrade models or extract sensitive information. As the adoption of federated learning accelerates, understanding and these threats are essential to ensure model integrity and resilience in real-world situations. Adversarial AI and Data Poisoning in Federated Learning provides a comprehensive examination of emerging threats, attack vectors, and defense mechanisms within federal learning systems. This book highlights vulnerabilities of federated learning architectures, explores strategies for detection and mitigation of adversarial threats, and presents real-world case studies.
Ein neues Kapitel für Ihre Bücher
Ein neues Kapitel für Ihre Bücher
Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice