PADME-SoSci：面向社会科学的分析与分布式机器学习平台
密码学与安全
2023-04-04 v2 分布式、并行与集群计算
机器学习
摘要
数据隐私与所有权在社会数据科学中十分重要，引发了法律与伦理关切。当不同各方拥有数据的不同部分时，共享与分析数据十分困难。应对这一挑战的一种方法是，在收集数据用于分析之前对其应用去标识或匿名化技术。然而，这会降低数据效用并增加再识别风险。为克服这些局限，我们提出PADME，一种联合模型实现与训练的分布式分析工具。PADME采用联邦方法，由所有参与方实现并部署模型，并增量访问各数据位置进行训练。这使得跨位置分析数据的同时，模型仍如同所有数据位于单一位置般被训练。在原始位置训练模型保留了数据所有权。此外，在完成所有数据位置上的分析前不提供结果，以确保隐私并避免结果偏差。
引用
@article{arxiv.2303.18200,
title = {PADME-SoSci: A Platform for Analytics and Distributed Machine Learning for the Social Sciences},
author = {Zeyd Boukhers and Arnim Bleier and Yeliz Ucer Yediel and Mio Hienstorfer-Heitmann and Mehrshad Jaberansary and Adamantios Koumpis and Oya Beyan},
journal= {arXiv preprint arXiv:2303.18200},
year = {2023}
}
备注
accepted to be published @ ACM/IEEE JCDL 2023 - Joint Conference on Digital Libraries