diff options
Diffstat (limited to 'aia/aia.tex')
| -rw-r--r-- | aia/aia.tex | 5 |
1 files changed, 0 insertions, 5 deletions
diff --git a/aia/aia.tex b/aia/aia.tex index 147cf3d..b77277e 100644 --- a/aia/aia.tex +++ b/aia/aia.tex @@ -20,14 +20,9 @@ Nous allons l'utiliser pour construire une AIA qui donne la garantie théorique Nous appelons cette AIA : \AIAHard. \subsection{AIA pour les modèles de régression} -<<<<<<< HEAD \label{sec:aia-soft} -Dans le cas d'un modèle cible qui effectua une régression nous avons $\#F$ infini donc nous ne pouvons pas utiliser \AIAHard. -Ce cas où l'adversaire a accès un modèle de régression prend en compte le cas où le modèle cible de prédiction divulgue un logit par exemple. -======= Dans le cas d'un modèle cible qui effectue une régression nous avons $\#F$ infini, donc nous ne pouvons pas utiliser \AIAHard. Ce cas où l'adversaire a accès au modèle de régression prend en compte le cas où le modèle cible de prédiction divulgue un logit par exemple. ->>>>>>> 642fa138bd0127b42b8906e412a5ee761b120ac2 C'est le modèle de menace qu'applique Song et. al~\cite{Song2020Overlearning} dans leur AIA. Nous utiliserons comme modèle d'AIA une forêt aléatoire puis nous optimiserons son seuil en utilisant la courbe ROC pour prendre en compte le déséquilibre de classes dans l'attribut sensible. |