FiMMIA: scaling semantic perturbation-based membership inference across modalities

Emelyanov A.; Sergei Kudriashov; Alena Fenogenova

doi:10.18653/v1/2026.eacl-demo.11

Публикации

?

FiMMIA: scaling semantic perturbation-based membership inference across modalities

Ch. 11. P. 139–153.

Emelyanov A., Sergei Kudriashov, Alena Fenogenova

Язык: английский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: Deep Learning Multimodal architectures membership inference attacks

В книге

Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 3: System Demonstrations)

Vol. 3: System Demonstrations. , Rabat: Association for Computational Linguistics, 2026.

Knowledge Discovery, Knowledge Engineering and Knowledge Management: 15th International Joint Conference, IC3K 2023, Rome, Italy, November 13-15, 2023, Revised Selected Papers

Rome: Springer, 2025.

Добавлено: 2 мая 2025 г.

A Study of Graph Neural Networks for Link Prediction on Vulnerability to Membership Attacks

D. Shaikhelislamov, Lukyanov K., Severin N. и др., Journal of Mathematical Sciences 2024 Vol. 285 P. 234–244

Добавлено: 3 февраля 2025 г.

Weighted boxes fusion: Ensembling boxes from different object detection models

Соловьёв Р. А., Габрушева Т., Ванг В., Image and Vision Computing 2021 Vol. 107 P. 104117–0

Добавлено: 15 января 2025 г.

MMCP Team at ImageCLEFmed MEDVQA-GI 2024 Task: Diffusion Models for Text-to-Image Generation of Colonoscopy Images

Чайчук М. В., Тутубалина Е. В., Transactions of the Association for Computational Linguistics 2024

Добавлено: 13 декабря 2024 г.

Fast Parametric Curve Matching (FPCM) Filters for Deep Learning-Based Automatic Spike Detection

Белокопытов А. С., Клеева Д. Ф., Осадчий А. Е., , in: Advances in Neural Computation, Machine Learning, and Cognitive Research VIII.: Springer, 2024. P. 317–326.

Добавлено: 23 октября 2024 г.

MineRL Diamond 2021 Competition: Overview, Results, and Lessons Learned

Никулин А. М., Белоусов Ю. С., Свидченко О. А. и др., , in: Proceedings of the NeurIPS 2021 Competitions and Demonstrations Track.: PMLR, 2022.

Добавлено: 8 октября 2024 г.

Soft Margin Spectral Normalization for GANs

Рогачев А. И., Ратников Ф. Д., Computing and Software for Big Science 2024 Vol. 8 No. 1 Article 12

In this paper, we explore the use of Generative Adversarial Networks (GANs) to speed up the simulation process while ensuring that the generated results are consistent in terms of physics metrics. Our main focus is the application of spectral normalization for GANs to generate electromagnetic calorimeter (ECAL) response data, which is a crucial component of ...

Добавлено: 2 июля 2024 г.

Real-time detection of hogweed: UAV platform empowered by deep learning

Menshchikov A., Shadrin D., Прутьянов В. В. и др., IEEE Transactions on Computers 2021 Vol. 70 No. 8 P. 1175–1188

Добавлено: 11 мая 2024 г.

11th International Conference, AIST 2023, Yerevan, Armenia, September 28–30, 2023, Revised Selected Papers. Analysis of Images, Social Networks and Texts. Lecture Notes in Computer Science (LNCS, volume 14486)

Cham: Springer, 2024.

Добавлено: 25 марта 2024 г.

Generative design of physical objects using modular framework

Nikita O. Starodubcev, Nikitin N., Andronova E. и др., Engineering Applications of Artificial Intelligence 2023 Vol. 119 Article 105715

Добавлено: 5 марта 2024 г.

Interaction models for remaining useful lifetime estimation

Zhevnenko D., Kazantsev M., Макаров И. А., Journal of Industrial Information Integration 2023 Vol. 33 Article 100444

Статья посвящена проблеме контроля состояния промышленных устройств по показаниям их датчиков. Существующие методы основаны на подходе к извлечению признаков, в котором происходит предсказание. Мы предлагаем метод взаимодействия нескольких блоков различной сложности, которые по-разному агрегируют информацию во времени, для создания общего скрытого пространства для предсказания оставшегося срока службы (RUL), и обучаем полученную архитектуру за один проход ...

Добавлено: 15 февраля 2024 г.

TabDDPM: Modelling Tabular Data with Diffusion Models

Котельников А. К., Baranchuk D., Ivan Rubachev и др., , in: Proceedings of the 40th International Conference on Machine Learning: Volume 202: International Conference on Machine Learning, 23-29 July 2023, Honolulu, Hawaii, USAVol. 202: International Conference on Machine Learning, 23-29 July 2023, Honolulu, Hawaii, USA.: PMLR, 2023. P. 17564–17579.

Добавлено: 11 февраля 2024 г.