Публикации по теме 'differential-privacy'
Злобные иллюзии
Нейронные сети изо всех сил пытаются отделить правду от подделки
Скрытый покровом ночи, вандал вооружившись баллончиком с краской и ноутбуком, направляется к ближайшим дорожным знакам. С помощью набора инструментов для рисования он пытается воссоздать изображение на своем ноутбуке.
Его цель? Самоуправляемые автомобили и их системы компьютерного зрения.
Если все пойдет по плану, эти системы будут неправильно интерпретировать дорожные знаки. Знаки «Стоп» становятся «новая полоса..
Определение дифференциальной конфиденциальности
Резюме: иногда важно знать основы! Это третье сообщение в блоге из серии Основы дифференциальной конфиденциальности , охватывающее быстрое и простое введение в определение дифференциальной конфиденциальности - Epsilon, delta и т. Д. Чтобы увидеть больше подобных сообщений о дифференциальной конфиденциальности, подпишитесь на Shaistha Fathima в твиттере.
Серия "Основы дифференциальной конфиденциальности"
Что такое дифференциальная конфиденциальность? Глобальная и..
Конфиденциальность и анонимность данных с точки зрения специалиста по данным
Краткое содержание выступления на Празднике Грейс Хоппер , сентябрь 2018 г.
Наука о данных и машинное обучение позволяют нам создавать фантастические продукты и услуги для наших пользователей. Но если мы повысим конфиденциальность пользователей, откажемся ли мы от надежды сохранить точность этих моделей машинного обучения?
Еще в мае 2018 года все говорили о конфиденциальности, когда вступил в силу GDPR . В Concur Labs мы не перестали говорить о конфиденциальности в конце мая...
Преодоление ограничений маскировки данных
Защита конфиденциальных данных на всех этапах рабочего процесса обработки данных становится все более важной: утечки данных становятся все дороже, ценные активы могут быть потеряны, а правила ужесточаются. Проекты терпят неудачу или никогда не запускаются, потому что данные не могут быть доступны безопасно.
Распространенный способ снизить этот риск - создать более безопасную версию набора данных. Это достигается за счет применения метода, называемого маскированием данных . Это..
Конфиденциальность и машинное обучение
В современном мире технологий можно, несомненно, предположить, что данные имеют первостепенное значение! А поскольку такие области, как глубокое обучение, широко представлены почти во всех отраслях, получение правильных данных (как по качеству, так и по количеству) становится еще более важным для организаций. Вместе с этим возникает первостепенная задача определения последовательной политики, связанной с конфиденциальностью (помните GDPR!)
В этом посте мы рассмотрим некоторые аспекты..
TensorFlow Extended (TFX) для проверки данных на практике
В 2019 году Google представил TensorFlow Extended (TFX) с открытым исходным кодом, набор библиотек для создания машинного обучения промышленного масштаба. 4 года назад, в 2015 году, когда Google открыл TensorFlow с открытым исходным кодом, у них уже был полный проект (TF и TFX), готовый для собственного использования, но на тот момент они решили опубликовать только ядро технологии.
В Sarus мы всегда используем и оцениваем различные технологии машинного обучения (MLOps), и мы хотели бы..
Результаты конкурса Criteo-AdKDD-2021
Как лидер отрасли в области конфиденциальности и рекламы, Criteo этим летом провела открытый конкурс ML Competition Prediction ML Competition, основанный на агрегированных и зашумленных данных. Методы агрегирования и добавления шума, основанные на Дифференциальной конфиденциальности , были вдохновлены API отчетности, предложенным в тестовой среде Google Privacy Sandbox. Полную информацию о задаче можно найти здесь: https://competitions.codalab.org/competitions/31485
Мы представляем..