通过正则化解耦私有类别
机器学习
2023-09-13 v1 人工智能
密码学与安全
摘要
如今深度学习模型被广泛应用于解决极其多样的任务。然而，与之相关的法律方面甚少受到关注。2016年，欧盟批准了于2018年生效的《通用数据保护条例》（GDPR）。其主要理念是通过所谓“数据经济”的运作方式保护公民隐私与数据保护。由于数据是当代人工智能的燃料，有人认为在更具结构性的AI监管出台之前，GDPR可部分适用于一系列算法决策任务。与此同时，AI不应允许偏离其创建目的的不当信息泄露。本工作中我们提出DisP，一种使深度学习模型将我们欲保密的某些类别相关信息从AI所处理数据中解耦的方法。具体而言，DisP是一种在训练时去相关属于同一私有类别的特征、隐藏私有类别成员身份信息的正则化策略。我们在最先进深度学习模型上的实验显示了DisP的有效性，使我们欲保密的类别的提取风险最小化。
引用
@article{arxiv.2207.02000,
title = {Disentangling private classes through regularization},
author = {Enzo Tartaglione and Francesca Gennari and Marco Grangetto},
journal= {arXiv preprint arXiv:2207.02000},
year = {2023}
}