面向研究中科学数据保护的通用基础设施
密码学与安全
2021-10-05 v1 人工智能
机器学习
摘要
科学方法对隐私提出了关键挑战，因为它需要大量样本来支持一项主张。当样本具有足够的商业价值或隐私敏感性时，其所有者有充分理由避免将其发布用于科学研究。隐私技术试图通过限制将研究样本用于次要目的的能力来缓解这种紧张关系。近期工作已开始将这些技术组合成端到端系统以保护数据。本工作中，我们构建了首个此类组合，足以让隐私外行使用熟悉的工具在私有数据上进行实验，同时基础设施自动禁止隐私泄露。我们利用PyTorch框架在Syft隐私平台内以原型系统支撑该理论系统。
引用
@article{arxiv.2110.01315,
title = {Towards General-purpose Infrastructure for Protecting Scientific Data Under Study},
author = {Andrew Trask and Kritika Prakash},
journal= {arXiv preprint arXiv:2110.01315},
year = {2021}
}