summaryrefslogtreecommitdiff
path: root/background
diff options
context:
space:
mode:
Diffstat (limited to 'background')
-rw-r--r--background/conf.tex1
-rw-r--r--background/eq.tex1
2 files changed, 2 insertions, 0 deletions
diff --git a/background/conf.tex b/background/conf.tex
index 8ad8379..4c22136 100644
--- a/background/conf.tex
+++ b/background/conf.tex
@@ -7,6 +7,7 @@ Dans le cadre d'attaques nous parlerons de \emph{modèle cible} pour désigner l
\FloatBarrier
\subsubsection{Risque sur les données d'entraînement}
+\label{sec:background-ml-mia}
L'attaque d'inférence d'appartenance (MIA) consiste à inférer si une donnée a servi à l'entraînement du modèle cible.
Cette attaque utilise le fait que les modèles d'apprentissage automatique ont en général une moins bonne performance sur les données qui n'ont pas été utilisées à l'entraînement, c'est le sur-ajustement\footnote{\textit{Overfitting}}~\cite{hawkins2004problem,ying2019overview}.
Ce problème peut survenir principalement quand le modèle cible est trop complexe par rapport à la tâche qui lui est demandée.
diff --git a/background/eq.tex b/background/eq.tex
index 5a1a794..b8e431f 100644
--- a/background/eq.tex
+++ b/background/eq.tex
@@ -84,6 +84,7 @@ Ainsi Hardt et al.~\cite{fairmetric2} proposent de modifier la parité démograp
\end{definition}
\subsubsection{Imposer l'équité comme contrainte d'optimisation}
+\label{sec:background-eq-imp}
Ces définitions peuvent être imposées au modèle de trois manières:
\begin{enumerate}
\item Prétraitement\footnote{\textit{Preprocessing}} :