E-mail senden E-Mail Adresse kopieren

E-Mail

Adresse

Im Oberen Werk 1
66386 St. Ingbert (Germany)

Weitere Informationen

Kurzbiografie

Adam Dziedzic ist Tenure-Track Faculty am CISPA, wo er die SprintML-Gruppe mit dem Forschungsschwerpunkt „Sicheres, privates, robustes, interpretierbares und vertrauenswürdiges maschinelles Lernen“ mitleitet. Bevor er zum CISPA kam, war er Postdoktorand am Vector Institute und an der University of Toronto sowie Mitglied des CleverHans Lab unter der Betreuung von Prof. Nicolas Papernot. Er promovierte in Informatik an der University of Chicago, wo er von Prof. Sanjay Krishnan betreut wurde und sich mit der Komprimierung von Eingaben und Modellen für adaptive und robuste neuronale Netze befasste.

CV: Letzte Stationen

Seit 2023
Tenure-Track Faculty am CISPA
2020 - 2023
Postdoctoral Researcher an University of Toronto & Vector Institute
2015 - 2020
PhD an der University of Chicago

Veröffentlichungen von Adam Dziedzic

Jahr 2026

Konferenz / Medium

European Conference on Computer Vision (ECCV) Data Circuit Breaker: Identifying Training, Test, and Generated Data in Image Generative Models

Konferenz / Medium

The 19th European Conference on Computer Vision (ECCV), 2026 MultiMem: Measuring and Mitigating Memorization in Multi-Modal Contrastive Learning

Konferenz / Medium

IH&MMSec '26: ACM Workshop on Information Hiding and Multimedia Security Watermark Degradation Across Model Iterations

Konferenz / Medium

Proceedings of the ACM Asia Conference on Computer and Communications Security ADAGE: Active Defenses Against GNN Extraction

Konferenz / Medium

International Conference on Machine Learning (ICML) Finding DoRI: Discovery of Retained Images in Diffusion Models

Konferenz / Medium

International Conference on Machine Learning (ICML) Concept Removal in Frontier Image Generative Models

Konferenz / Medium

International Conference on Learning Representations (ICLR) Natural Identifiers for Privacy and Data Audits in Large Language Models

Konferenz / Medium

International Conference on Learning Representations (ICLR) SERUM: Simple, Efficient, Robust, and Unifying Marking for Diffusion-based Image Generation

Konferenz / Medium

International Conference on Learning Representations (ICLR) Benchmarking Empirical Privacy Protection for Adaptations of Large Language Models

Konferenz / Medium

International Conference on Learning Representations (ICLR) Data Provenance for Image Auto-Regressive Generation