差分隱私分區選擇新演算法 數據共享更安全
大規模用戶數據集對AI與機器學習發展至關重要,但直接共享存在隱私風險。一項新演算法改進了差分隱私分區選擇技術,讓機構在發布數據時同時保住實用性與用戶私隱。
何謂分區選擇
差分隱私分區選擇的目標,是從海量數據中辨認出可以安全共享的有意義子集,例如在多名用戶貢獻中反覆出現的共同元素。只有足夠多人共有的模式才會被發布,個別用戶獨有的資訊則被排除在外。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
