Quantifying the privacy of counterfactuals by leveraging membership inference attacks against synthetic data

Babaei, Maryam, Wang, Yingke, Lautraite, Hadrien, Arcolezi, Héber H., Aïvodji, Ulrich et Gambs, Sébastien. 2026. « Quantifying the privacy of counterfactuals by leveraging membership inference attacks against synthetic data ». In FAccT '26: Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (Montreal, QC, Canada, June 25-28, 2026) 4988–5022. Association for Computing Machinery, Inc.

Le plein texte de ce document n'est pas hébergé sur ce serveur.

Rechercher dans Google Scholar

URL Officielle: https://doi.org/10.1145/3805689.3812361

Type de document:	Compte rendu de conférence
Chercheur(-euse):	Chercheur(-euse) Aïvodji, Ulrich
Affiliation:	Génie logiciel et des technologies de l'information
Date de dépôt:	30 juill. 2026 19:25
Dernière modification:	30 juill. 2026 19:25
URI:	https://espace2.etsmtl.ca/id/eprint/34079

Actions (Authentification requise)

Dernière vérification avant le dépôt