Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/164669
Full metadata record
DC FieldValueLanguage
dc.creatorMiguel Ângelo Gaspar Ramos
dc.date.accessioned2025-11-05T09:50:56Z-
dc.date.available2025-11-05T09:50:56Z-
dc.date.issued2024-12-16
dc.date.submitted2025-01-10
dc.identifier.othersigarra:702889
dc.identifier.urihttps://hdl.handle.net/10216/164669-
dc.language.isoeng
dc.rightsembargoedAccess
dc.subjectCiências exactas e naturais
dc.subjectNatural sciences
dc.titleAdvancements in Vertical Federated Learning: Utility Preservation with Lightweight Models
dc.typeDissertação
dc.date.embargo2027-12-15
dc.contributor.uportoFaculdade de Ciências
dc.identifier.doi10.34626/rg8b-fh23
dc.identifier.tid203809017
dc.subject.fosCiências exactas e naturais
dc.subject.fosNatural sciences
thesis.degree.disciplineMestrado em Segurança Informática
thesis.degree.grantorFaculdade de Ciências
thesis.degree.grantorUniversidade do Porto
thesis.degree.level1
rcaap.embargofctA o trabalho e a escrita da dissertação foi desenvolvido em ambiente empresarial, com orientação dos colaboradores da TekPrivacy Lda. Dado o caracter inovador do trabalho desenvolvido a empresa pretende manter o segredo comercial da solução apresentada.
Appears in Collections:FCUP - Dissertação

Files in This Item:
File Description SizeFormat 
702889.pdf
  Restricted Access
Advancements in Vertical Federated Learning: Utility Preservation with Lightweight Models1.3 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.