图机器学习中的隐私与透明性：统一视角
机器学习
2022-10-20 v2 密码学与安全
摘要
图机器学习（GraphML）将经典机器学习推广到不规则图域，近年来迎来复兴，产生了大量模型并应用于多个领域。随着其在敏感领域的适用性不断增强以及政府对可信 AI 系统的监管，研究者已开始关注图学习的透明性与隐私问题。然而，这些主题主要被独立研究。在本立场论文中，我们提供了 GraphML 中隐私与透明性相互作用的统一视角。具体而言，我们描述了在 GraphML 中对隐私-透明性权衡进行形式化研究面临的挑战与可能的研究方向。
引用
@article{arxiv.2207.10896,
title = {Privacy and Transparency in Graph Machine Learning: A Unified Perspective},
author = {Megha Khosla},
journal= {arXiv preprint arXiv:2207.10896},
year = {2022}
}
备注
In Advances in Interpretable Machine Learning and Artificial Intelligence (AIMLAI) at International Conference on Information and Knowledge Management (CIKM'22)