10.11959/j.issn.1000-0801.2020283
面向机器学习的隐私保护关键技术研究综述
随着信息通信技术的发展,机器学习已经成为多个研究领域与垂直行业必不可少的技术工具.然而,机器学习所需数据中往往包含了大量的个人信息,使其隐私保护面临风险与挑战,受到了越来越多的关注.对现有机器学习下隐私保护法规政策与标准化现状进行梳理,对适用于机器学习的隐私保护技术进行详细介绍与分析.隐私保护算法通常会对数据质量、通信开支与模型表现等造成影响,因此对于隐私保护算法的评估应当进行多维度的综合评估.总结了适用于机器学习应用的隐私保护性能评估指标,并指出隐私保护需要考虑对数据质量、通信开支以及模型准确率等之间的影响.
机器学习、隐私保护、评估指标
36
TP181(自动化基础理论)
国家重点研发计划基金资助项目No.2018YFB1801200
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
18-27