Библиотека для частного машинного обучения в TensorFlow с Джейсоном Манкузо в Dropout Labs . Машинное обучение с сохранением конфиденциальности предлагает множество преимуществ и интересных приложений : возможность обучать и прогнозировать данные, пока они остаются в зашифрованном виде, открывает возможности использования данных, которые ранее были недоступны из-за проблем с конфиденциальностью. Но для этого необходимо объединить несколько технических областей, включая криптографию,..

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,..

Маева Бенуа и Мортен Даль @ Snips Представленные здесь результаты являются результатом серии экспериментов, проведенных в Snips с использованием различных способов частного вычисления простого, но необходимого строительного блока во многих системах статистики и машинного обучения: суммирование векторов . Возможность делать это для векторов, поступающих от нескольких пользователей, позволяет нам не только выполнять базовую аналитику, но и генерировать распределения, используемые для..

Представляем Dropout Labs Мы рады представить Dropout Labs , компанию, специализирующуюся на безопасном машинном обучении с сохранением конфиденциальности. Мы верим: Доступ к конфиденциальным данным улучшит ИИ, но не должен ставить под угрозу конфиденциальность. Контроль над данными со стороны владельца поможет согласовать ИИ с ценностями людей и общества. Совместное владение данными и искусственный интеллект откроют новые бизнес-модели. Сегодня конфиденциальность..