Información de la conferencia

DSML 2018: Dependable and Secure Machine Learning

Por favor Iniciar sesión para ver el sitio web de la conferencia
Cuenta gratuita: consulta los sitios oficiales, sigue las fechas límite y recibe recordatorios por correo.
Registrarse Iniciar sesión
Insertar insignia de cuenta atrás
DSML
Obtener estos datos por API
Las búsquedas y las listas de rankings no necesitan credenciales; el detalle completo de esta página requiere una clave de API gratuita. Consulta la guía para desarrolladores.
Día de Entrega:
2018-04-01
Fecha de Notificación:
2018-05-01
Fecha de conferencia:
2018-06-25
Ubicación:
Luxembourg City, Luxembourg
Vistas: 10945   Seguidores: 0   Asistentes: 0

Índice Conference Partner (CP-I)

42,1 / 100
Puesto n.º 4.037 de 5.646 congresos · 72% superior

N.º 256 de 357 en Seguridad y privacidad N.º 269 de 341 en Sistemas y arquitectura N.º 509 de 733 en Inteligencia artificial y aprendizaje automático

Evidencia limitada: este congreso no figura en CCF / ICORE / QUALIS y no consta su tasa de aceptación, así que la mayor parte de la puntuación recae en la línea base neutra.
Reconocimiento académico (35%) Sin datos: se puntúa con la línea base neutra de 50 —
Selectividad en la revisión (20%) Sin datos: se puntúa con la línea base neutra de 50 —
Ediciones celebradas (20%) Sin datos: se puntúa con la línea base neutra de 50 —
Atención de la comunidad (10%)
8
Integridad del registro público (15%)
25

Datos utilizados: Investigadores que abrieron esta página en los últimos 24 meses: 2

Falta en el registro público: Tasas de aceptación históricas (+4,5) · Ediciones anteriores (+3,0) · Premios al mejor artículo (+2,3)
Los organizadores pueden añadirlo desde esta página tras reclamar el congreso; las puntuaciones se recalculan cada noche. Cómo subir esta puntuación

Confianza 25 %: la parte de la puntuación respaldada por datos observados y no por la línea base neutra. Cómo se calcula esta puntuación · Ver la clasificación · Versión del algoritmo 1.1 · Calculado el 2026-08-30

Solicitud de Artículos

DSML 2018 (Dependable and Secure Machine Learning) is an academic conference held in Luxembourg City, Luxembourg on 2018-06-25. The paper submission deadline is 2018-04-01. Acceptance notifications are sent on 2018-05-01.

Machine learning (ML) is increasingly used in critical domains such as health and wellness, criminal sentencing recommendations, commerce, transportation, human capital management, entertainment, and communication. The design of ML systems has mainly focused on developing models, algorithms, and datasets on which they are trained to demonstrate high accuracy for specific tasks such as object recognition and classification. Machine learning algorithms typically construct a model by training on a labeled training dataset and their performance is assessed based on the accuracy in predicting labels for unseen (but often similar) testing data. This is based on the assumption that the training dataset is representative of the inputs that the system will face in deployment. However, in practice there are a wide variety of unexpected accidental, as well as adversarially-crafted, perturbations on the ML inputs that might lead to violations of this assumption. Further, ML algorithms are often executed on special-purpose hardware accelerators, which may themselves be subject to faults. Thus, there is a growing concern regarding the reliability, safety, security, and accountability of machine learning systems. The DSN Workshop on Dependable and Secure Machine Learning (DSML) is an open forum for researchers, practitioners, and regulatory experts, to present and discuss innovative ideas and practical techniques and tools for producing dependable and secure ML systems. A major goal of the workshop is to draw the attention of the research community to the problem of establishing guarantees of reliability, security, safety, and robustness for systems that incorporate increasingly complex ML models, and to the challenge of determining whether such systems can comply with requirements for safety-critical systems. A further goal is to build a research community at the intersection of machine learning and dependable and secure computing. Topics of Interest Testing, certification, and verification of ML models and algorithms Metrics for benchmarking the robustness of ML systems Adversarial machine learning (attacks and defenses) Resilient and repairable ML models and algorithms Reliability and security of ML architectures, computing platforms, and distributed systems Faults in implementation of ML algorithms and their consequences Dependability of ML accelerators and hardware platforms Safety and societal impact of machine learning
Última actualización por Dou Sun el

Conferencias Relacionadas

Revistas Relacionadas

CCFNombre CompletoFactor de ImpactoEditorISSN
BMachine Learning2.9Springer0885-6125
AIEEE Transactions on Dependable and Secure Computing7.5IEEE1545-5971
AIEEE Transactions on Multimedia9.7IEEE1520-9210
CKnowledge-Based Systems7.2Elsevier0950-7051
BSoftware & Systems Modeling3.2Springer1619-1366
AIEEE Transactions on Computers3.8IEEE0018-9340
CFuture Generation Computer Systems5.9Elsevier0167-739X
CNeurocomputing6.5Elsevier0925-2312
CPattern Recognition Letters3.9Elsevier0167-8655
BPattern Recognition7.6Elsevier0031-3203

Comentarios 0

Aún no hay comentarios.

Por favor Iniciar sesión para publicar un comentario