Публикации по теме 'privacy-protection'


Безопасность и конфиденциальность моделей машинного обучения
В настоящее время использование машинного обучения (МО) значительно возросло в нашей повседневной жизни. Хорошо обученная модель машинного обучения может обеспечить выдающуюся производительность в конкретной задаче, однако ее можно легко сломать при столкновении с угрозами и противниками. Это связано с тем, что модель машинного обучения была разработана без противника и угрозы, поэтому трудно защититься от атаки злоумышленника, основанного на машинном обучении. В основе машинного..
Спеллчекеры удаляют PII… не так быстро
В недавнем сообщении исследовательской группы Otto JS рассказывается, как службы проверки орфографии могут непреднамеренно эксфильтровать конфиденциальные пользовательские данные, включая пароли , с вашего сайта. Честно говоря, я нашел этот пост немного паникёрским и недостаточным, когда речь шла о рекомендациях по надежной защите. Считайте это вашим серьезным руководством по защите конфиденциальной информации ваших пользователей. Фон В своем исследовании команда Otto JS..
Состязательное машинное обучение
Введение Конечной целью исследований машинного обучения должно быть положительное влияние на общество и мир. По мере увеличения числа приложений ML становится все более важным решать различные вопросы безопасности; как те, которые уже возникают с сегодняшними системами машинного обучения, так и те, которые могут усугубиться в будущем с более продвинутыми системами. — Семинар ICLR 2019 В сфере безопасности угрозы состязательного машинного обучения (AML) относятся к любым рискам,..
Некоторые мысли о дифференциальной конфиденциальности
Дифференциальная конфиденциальность — популярная схема защиты конфиденциальности при сборе и анализе данных. Проще говоря, это включает в себя добавление шума в набор данных для защиты личной конфиденциальности, но при этом позволяет извлекать ценную информацию. Уровень шума определяет уровень конфиденциальности и точности. Структура определена для рандомизированных алгоритмов для учета таких механизмов, как добавление шума. Определение обычно представлено с точки зрения вероятности..
Основные тенденции и проблемы в области ИИ, влияющие на медиа, рекламу и индустрию развлечений
Лидеры науки о данных взвешивают Недавно я взял интервью у некоторых из ведущих лидеров науки о данных из Comcast / Freewheel, Condé Nast, ViacomCBS, Audoir, USA Today Network и Samba TV о самых больших тенденциях, проблемах и возможностях, которые они видят для машинного обучения и искусственного интеллекта в СМИ, рекламе и т. Д. развлечения - и то, что может быть в будущем. Давайте нырнем! Каковы наиболее важные тенденции, которые, по вашему мнению, будут приняты в индустрии..
Отслеживание транспортных средств с помощью глубокого обучения
Демистификация серии блогов Clearview AI (часть 5) Идентификация лица и повторная идентификация Когда модель глубокого обучения обрабатывает изображение, она сначала преобразует изображение в числовой формат, в просторечии известный как внедрение вектора . С математической точки зрения векторное вложение можно описать как многомерное число, которое можно сортировать, сравнивать и манипулировать им. Используя векторное встраивание, модель глубокого обучения может рассчитать,..
Почему федеративное обучение ??
Предположим, вы хотите создать приложение на основе машинного обучения, которое использует медицинские данные пользователя для прогнозирования его здоровья, или приложение, которое использует фотографии пользователя, чтобы предлагать ему одежду или что-то, ориентированное на персонализацию пользователя. Во всех случаях вам нужны персональные данные пользователя. Но проблема в том, что для обучения таких моделей нужно собирать огромные данные на серверах. Но так как данные..