掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
隱私保護機器學習 版權信息
- ISBN：9787576609455
- 條形碼：9787576609455 ; 978-7-5766-0945-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
隱私保護機器學習 內容簡介
本書通過面部識別、云數據存儲等真實世界中的用例來探討隱私保護技術。你將了解到現在就可以部署的切實有效的實施方法、未來的隱私挑戰以及如何調整現有技術以滿足你的需求。你所學到的新技能將會在*后一章用來建立一個完整的安全數據平臺項目。
隱私保護機器學習 目錄
**部分 基于差分隱私的隱私保護機器學習基礎
第1章 機器學習中的隱私問題
1.1 人工智能時代的隱私問題
1.2 超出預期目的的學習威脅
1.2.1 隨時使用隱私數據
1.2.2 ML算法中的數據處理方式
1.2.3 為什么ML中的隱私保護很重要
1.2.4 監管要求和可用性與隱私權衡
1.3 ML系統的威脅和攻擊
1.3.1 明文隱私數據的問題
1.3.2 重構攻擊
1.3.3 模型反演攻擊
1.3.4 成員推理攻擊
1.3.5 去匿名化或重識別攻擊
1.3.6 大數據分析中隱私保護面臨的挑戰
1.4 在從數據中學習的同時確保隱私——保護隱私的機器學習技術
1.4.1 差分隱私的使用
1.4.2 本地化差分隱私
1.4.3 隱私保護的合成數據生成
1.4.4 隱私保護數據挖掘技術
1.4.5 壓縮隱私
1.5 本書是怎樣的結構？
第2章 機器學習中的差分隱私
2.1 什么是差分隱私？
2.1.1 差分隱私的概念
2.1.2 差分隱私的工作原理
2.2 差分隱私機制
2.2.1 二元機制（隨機響應）
2.2.2 拉普拉斯機制
2.2.3 指數機制
2.3 差分隱私的特性
2.3.1 差分隱私的后處理特性
2.3.2 差分隱私的群組隱私特性
2.3.3 差分隱私的組合特性
第3章 機器學習中差分隱私的高級概念
3.1 在機器學習中應用差分隱私
3.1.1 輸入擾動
3.1.2 算法擾動
3.1.3 輸出擾動
3.1.4 目標擾動
3.2 差分隱私監督學習算法
3.2.1 差分隱私樸素貝葉斯分類
3.2.2 差分隱私邏輯回歸
3.2.3 差分隱私線性回歸
3.3 差分隱私無監督學習算法
差分隱私k-means聚類
3.4 案例研究——差分隱私主成分分析
3.4.1 橫向分割數據上PCA的隱私
3.4.2 在橫向分割的數據上設計差分隱私PCA
3.4.3 通過實驗評估協議的性能
第二部分 本地化差分隱私和合成數據生成
第4章 本地化差分隱私機器學習
4.1 什么是本地化差分隱私？
4.1.1 本地化差分隱私的概念
4.1.2 用于本地化差分隱私的隨機響應
4.2 本地化差分隱私機制
4.2.1 直接編碼
4.2.2 直方圖編碼
4.2.3 一元編碼
第5章 機器學習中的高級LDP機制
5.1 本地化差分隱私的快速回顧
5.2 高級LDP機制
5.2.1 LDP中的拉普拉斯機制
5.2.2 LDP的Duchi機制
5.2.3 LDP的Piecewise機制
5.3 一個實現LDP樸素貝葉斯分類的案例研究
5.3.1 使用樸素貝葉斯和ML分類
5.3.2 使用具有離散特征的LDP樸素貝葉斯
5.3.3 使用具有連續特征的LDP樸素貝葉斯
5.3.4 評估不同的LDP協議的性能表現
第6章 隱私保護合成數據的生成
6.1 合成數據生成概述
6.1.1 什么是合成數據？它為何重要？
6.1.2 在應用方面使用合成數據進行隱私保護
6.1.3 生成合成數據
6.2 通過數據匿名化保護隱私
6.2.1 隱私信息共享與隱私問題
6.2.2 使用k-anonymity對抗重識別攻擊
6.2.3 k-anonymity之外的匿名化
6.3 用于生成隱私保護合成數據的DP
6.3.1 DP合成直方圖表示的生成
6.3.2 DP合成表格數據生成
6.3.3 DP多邊緣合成數據生成
6.4 通過特征級微聚合發布隱私合成數據的案例研究
6.4.1 使用層次聚類和微聚合
6.4.2 生成合成數據
6.4.3 評估生成的合成數據的性能
第三部分 構建具有隱私保障的機器學習應用
第7章 隱私保護數據挖掘技術
7.1 隱私保護在數據挖掘和管理中的重要性
7.2 數據處理和挖掘過程中的隱私保護
7.2.1 什么是數據挖掘？如何使用數據挖掘？
7.2.2 隱私監管要求的重要性
7.3 通過修改輸入來保護隱私
應用和限制
7.4 在發布數據時保護隱私
7.4.1 在Python中實現數據清洗操作
7.4.2 k-anonymity
7.4.3 在Python中實現k-anonymity
第8章 隱私保護數據管理和操作
8.1 快速回顧數據處理和挖掘中的隱私保護
8.2 k-anonymity之外的隱私保護
8.2.1 l-diversity
8.2.2 t-closeness
8.2.3 用Python實現隱私模型
8.3 通過修改數據挖掘的輸出保護隱私
8.3.1 關聯規則隱藏
8.3.2 降低數據挖掘操作的準確度
8.3.3 統計數據庫中的推理控制
8.4 數據管理系統中的隱私保護
8.4.1 數據庫安全和隱私：威脅和漏洞
8.4.2 硯代數據庫系統泄露隱私信息的可能性有多大？
8.4.3 對數據庫系統的攻擊
8.4.4 統計數據庫系統中的隱私保護技術
8.4.5 設計可定制的隱私保護數據庫系統時應考慮什么
第9章 機器學習中的壓縮隱私
9.1 壓縮隱私介紹
9.2 壓縮隱私的機制
9.2.1 主成分分析（PCA）
9.2.2 其他降維方法
9.3 在ML應用中使用壓縮隱私
9.3.1 實現壓縮隱私
9.3.2 效用任務的準確度
9.3.3 在DCA中ρ'對隱私和可用性的影響
9.4 案例研究：橫向分割數據的隱私保護PCA和DCA
9.4.1 實現橫向分割數據的隱私保護
9.4.2 簡要回顧降維方法
9.4.3 使用加法同態加密
9.4.4 方法概述
9.4.5 隱私保護計算的工作原理
9.4.6 評估隱私保護PCA和DCA的效率和準確度
第10章 整體設計：構建一個隱私增強平臺（DataHub）
10.1 研究數據保護和共享平臺的重要性
10.1.1 DataHub平臺背后的動機
10.1.2 DataHub的重要特性
10.2 理解研究協同工作區
10.2.1 架構設計
10.2.2 融合不同的信任模型
10.2.3 配置訪問控制機制
10.3 將隱私和安全技術集成到DataHub
10.3.1 使用基于云的安全NoSQL數據庫進行數據存儲
10.3.2 本地化差分隱私的隱私保護數據收集
10.3.3 隱私保護機器學習
10.3.4 隱私保護查詢處理
10.3.5 在DataHub平臺中使用合成數據生成
附錄 關于差分隱私的更多詳細信息
A.1 差分隱私的正式定義
A.2 其他差分隱私機制
A.2.1 幾何機制
A.2.2 高斯機制
A.2.3 階梯機制
A.2.4 向量機制
A.2.5 Wishart機制
A.3 差分隱私組合特性的形式化定義
A.3.1 DP串行組合的形式化定義
A.3.2 并行組合DP的形式化定義
參考文獻
展開全部
隱私保護機器學習 作者簡介
張致恩(J.MORRIS CHANG)，自2016年起擔任南佛羅里達大學電氣工程系教授，他曾在艾奧瓦州立大學(2001-2016)、伊利諾伊理工大學(1995-2001)和羅切斯特理工大學(1993-1995)任教。在進入學術界之前，他曾在AT&T貝爾實驗室擔任計算機工程師(1988-1990)。他最近的研究工作涵蓋了廣泛的網絡安全領域，包括認證、惡意軟件檢測、隱私增強技術、機器學習中的安全性，并得到了美國國防部不同機構的資助。Chang博士在北卡羅來納州立大學獲得計算機工程博士學位，他于1999年獲得伊利諾伊理工大學卓越教學獎，并于2019年入選北卡羅來納州立大學ECE校友名人堂。在過去的10年里，他一直擔任由DoD機構資助的各種項目的首席研究員。Morris在學術期刊和會議上發表了超過196篇論文，此外，他還曾在電氣和電子工程師協會擔任過各種職位。 莊鏑，Snap Inc.的一名安全工程師，他獲得了中國天津南開大學的信息安全學士學位和法律學士學位，以及南佛羅里達大學的電氣工程博士學位。他是一位精力充沛、技術精湛的安全和隱私研究者，對隱私設計、差分隱私、隱私保護機器學習、社交網絡科學和網絡安全方面很感興趣，并擁有很多相關的專業知識和經驗。2015年至2018年，他在DARPA的Brandeis項目下進行隱私保護機器學習研究。 杜明杜·薩馬拉維拉(DUMINDU SAMARAWEERA)，南佛羅里達大學的研究助理教授，他獲得了澳大利亞科廷大學計算機系統和網絡學士學位、斯里蘭卡信息技術大學的信息技術學士學位以及英國謝菲爾德哈勒姆大學的企業應用開發碩士學位。他在南佛羅里達大學獲得了電氣工程博士學位，專注于研究網絡安全和數據科學。他的博士論文《深度學習時代的安全和隱私增強技術》解決了當今數據驅動的應用的隱私和安全問題，并為緩解此類問題提出了深入詳細的解決方案。多年來，他參與了多個由美國國防部資助的大型網絡安全研究項目。在加入USF之前，他在該行業擔任軟件工程師／電氣工程師超過6年，同時管理和部署企業級解決方案。 馬學彬，博士，內蒙古大學計算機學院副教授，碩士生導師。2009年1月畢業于東北大學計算機應用技術專業，獲工學博士學位。目前為中國計算機學會大數據專家委員會通訊委員、中國保密協會隱私保護專業委員會委員、ACM呼和浩特分會理事、內蒙古自治區大數據與云計算標準委員會特聘專家委員。主要研究方向為隱私保護技術、聯邦學習、無線網絡路由技術、延遲容忍網絡等。
書友推薦
- >
莉莉和章魚
- >
史學評論
- >
我與地壇
- >
上帝之肋:男人的真實旅程
- >
推拿
- >
羅曼·羅蘭讀書隨筆-精裝
- >
自卑與超越
- >
唐代進士錄
本類暢銷
