知识卡片
机器学习隐私与PATE方案
机器学习缺乏透明性与公平性会带来隐私问题,如输入法泄露习惯、人脸重建致隐私泄露。PATE方案通过引入拉普拉斯噪声打乱数据来保护隐私,Google亦提供TensorFlow差分隐私库。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 前沿安全技术 · 查看原书依据
PATE通过引入拉普拉斯噪声将数据打乱,从而保护隐私,相关论文见参考资料[565]。此外,Google也提供了一个用于TensorFlow数据隐私处理的差分隐私库,详见参考资料[566]。
参考来源
- 位置:《大型互联网企业安全架构(石祖文)》第15章《前沿安全技术》(源文件:extracted/大型互联网企业安全架构 (石祖文)/_epub-src/EPUB/xhtml/chapter020)
- 结论依据:原文给出对应定义与依据,支撑本卡结论。
- 原始内容:PATE通过引入拉普拉斯噪声将数据打乱,从而保护隐私,相关论文见参考资料[565]。此外,Google也提供了一个用于TensorFlow数据隐私处理的差分隐私库,详见参考资料[566]。