Публикации по теме 'differential-privacy'


Дифференциальная конфиденциальность, никогда под давлением.
Дифференциальная конфиденциальность медицинских данных. В этой статье описывается, как дифференциальная конфиденциальность работает в сфере здравоохранения и как ее можно использовать для защиты данных и восстановления доверия. 🔴 Проблема: защита данных является серьезной проблемой для организаций здравоохранения. Почти невозможно полностью защитить личные данные от несанкционированного раскрытия или передачи информации из-за растущего спроса на здравоохранение, основанное на..
Дифференциальная конфиденциальность для остальных из нас
Мортен Даль и Джозеф Дюро @ Snips Осведомленность, отраслевые стандарты, а также законодательство, касающееся конфиденциальности, неуклонно развиваются, превращая конфиденциальность в стратегическое и этическое позиционирование. Крупные компании, такие как Google и Apple, учли эти возможности и ограничения и устанавливают высокие стандарты в этой области. Хотя есть некоторые практические решения, такие как хранение ограниченного объема данных, удаление уникальных идентификаторов,..
Одна научная точка зрения в пользу правил, требующих использования DPML в приложениях ИИ, исходит из работ McMahan et al. (2018) и Ниссим и соавт. (2017), которые настоятельно рекомендуют включать машинное обучение дифференциальной конфиденциальности (D
Фон Дифференциальная конфиденциальность (DP) — это математическая основа, которая гарантирует конфиденциальность при анализе данных за счет введения шума для запутывания отдельных точек данных, гарантируя, что результаты анализа не нарушат конфиденциальность отдельных лиц (Dwork & Roth, 2014). В последнее время участились споры о том, следует ли обязать приложения ИИ использовать дифференциально частное машинное обучение (DPML) для решения растущих проблем с конфиденциальностью...
Основные моменты семинара ICML
Семинары представляют собой неформальный форум для исследователей для обсуждения возникающих исследовательских вопросов и проблем . В этом посте я выделил некоторые из материалов семинара этого года, которые мне больше всего понравились. Джейшри Сарати. От алгоритмической к институциональной логике: политика дифференцированной конфиденциальности . В этом документе рассматривается кажущийся противоречивым факт, что одними из крупнейших сторонников дифференциальной конфиденциальности..
Дифференциальная конфиденциальность, применяемая в наборе данных MNIST с кодом
«Дифференциальная конфиденциальность - это ограничение алгоритмов, используемых для публикации совокупной информации о статистической базе данных, которое ограничивает раскрытие частной информации о записях, информация о которых находится в базе данных». - Википедия Здесь мы собираемся применить дифференциальную конфиденциальность и анализ PATE к набору данных MNIST. Мы не обсуждаем здесь какую-либо теорию, скорее мы создадим практический код для этого набора данных. И сравните..
Идея дифференциальной конфиденциальности и почему это важно?
Итак, вы пришли сюда, чтобы прочитать заголовок статьи, значит, вы обеспокоены этой темой, но что, если вы не хотите, чтобы кто-то видел ваши списки чтения на носителе или по тем статьям, которым вы аплодировали? Давайте сначала поймем «конфиденциальность». Что вы скажете, с точки зрения непрофессионала, это связано с простой изоляцией информации от всех остальных, кроме вас. Но концепция выходит за рамки этого и не ограничивается следующим: «Дифференциальный» происходит от..
Сохранение конфиденциальности данных при глубоком обучении | Часть 1
Понимание основ федеративного обучения и его реализации с помощью PyTorch Ссылка на часть 2 (Распространение CIFAR10 в набор данных реального и не-IID): https://towardsdatascience.com/preserving-data-privacy-in-deep-learning-part-2-6c2e9494398b Ссылка на часть 3 (Внедрение федеративного обучения с набором данных, не относящимся к IID): https://towardsdatascience.com/preserving-data-privacy-in-deep-learning-part-3-ae2103c40c22 Большое спасибо известному аналитику данных Mr...