关键词privacy-enhancing technologies
搜索结果 - 6
- 医学影像的隐私保护和可信深度学习
通过对我们所谓的深度放射学管道中 PETs 的实际应用进行系统研究，本文旨在填补现有研究的空白，提出了一种对现有 PETs 进行分类的方法，提供了实用的混合 PETs 构造，并通过比较分析了其在深度放射学管道中的潜在集成方式、假设、适用性和 - 隐私保护分布式学习的基于量化的技术
本研究论述了一种符合规定的分布式机器学习训练的数据保护技术，采用基于量化多哈希数据表示和随机化的协议，保护训练数据和机器学习模型参数，并通过标准安全多方计算协议共享超参数。实验结果展示了该方法的鲁棒性和保持准确性的特性。
- 探索数据隐私增强技术对 AI 治理的相关性
本文提出隐私增强技术在数据交换和分析中减小了隐私与性能之间的权衡，同样的工具可以为 AI 治理提供外部审查、审计和源代码验证的能力，并以信息流的方式查看这些不同的 AI 治理目标，强调了这些解决方案之间的互操作性和重要性。
- 自然语言处理中的差分隐私：迄今为止的故事
本文总结了隐私增强技术中差分隐私对自然语言处理中的隐私问题的影响和应用，以及现有研究的探讨和下一步的研究方向。
- 结构透明度：超越隐私权衡
本文概述了当今为实现 “结构透明” 而进行的研究的前沿，提供了一个概括性的理论框架和词汇，包括表征基本组件 - 输入隐私、输出隐私、输入验证、输出验证和流程治理 - 以及复制、捆绑和递归监督等基本问题，并论证了最近随着 “隐私增强技术” 的 - 技术隐私度量：系统性调查
本文回顾了 80 多个隐私度量标准，介绍了衡量隐私度量标准的方面、必要输入、需要保护的数据类型，并提出了基于问题的选择隐私指标的方法，以及需要进一步研究隐私度量标准的主题。该研究跨越多个隐私领域，是一个可以理解为隐私测量的一般框架。