Scifaro

中文

论机器学习系统中私人信息的保护：两种近期方法

机器学习 2018-12-12 v1 密码学与安全机器学习

作者: Martín Abadi , Úlfar Erlingsson , Ian Goodfellow , H. Brendan McMahan , Ilya Mironov , Nicolas Papernot , Kunal Talwar , Li Zhang

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

机器学习近期显著的增长引发了人们对其所依赖数据隐私的强烈关注，并催生了保护隐私的新技术。然而，关于隐私的早期思想可能依然有效且有用。本文结合早期文献的智慧，特别是 Saltzer 和 Schroeder 在 20 世纪 70 年代总结的原则，回顾了两项关于隐私的近期工作。

关键词

隐私机器学习数据保护信息安全 Saltzer 和 Schroeder 原则

引用

@article{arxiv.1708.08022,
  title  = {On the Protection of Private Information in Machine Learning Systems: Two Recent Approaches},
  author = {Martín Abadi and Úlfar Erlingsson and Ian Goodfellow and H. Brendan McMahan and Ilya Mironov and Nicolas Papernot and Kunal Talwar and Li Zhang},
  journal= {arXiv preprint arXiv:1708.08022},
  year   = {2018}
}