发表服务
12-30.554.联邦学习中的隐私保护研究进展论文对当前联邦学习中常用的一些隐私保护方法进行了分析总结，主要包括安全多方计算、同态加密、差分隐私。.但是其中貌似有些问题，论文中指出纵向联邦是主要针对各参与方的数据有相同或相似的...
如果你是做差分隐私保护别的不是深度学习，那就不需要深度学习的背景，感觉最近这个方向相对比较火。如果是数学系大佬，可以考虑纯理论的差分隐私。新手的话建议做应用，不建议往理论方向做，门槛太高。区块链隐私保护
知乎用户.27人赞同了该回答.先说结论:肯定是差分隐私。.无论是上手容易度，还是目前学界的关注度，抑或是发表文章(灌水)，差分隐私都远胜过同态加密。.DP上手就那本小蓝书，然后就挑两篇比较新的论文follow下，就可以出活儿了。.现在学术界也很关注...
基于差分隐私的车联网位置隐私保护研究.鲁月莹.【摘要】：车联网是无线通信技术和汽车紧密结合的产物,被视为智能交通系统和保障交通便利安全的关键,受到业界人士的广泛关注。.由于车联网具有大规模、变化速度快的拓扑结构,用户与位置服务提供者交互...
差分隐私而背景介绍中Google、苹果等公司采用的本地化差分隐私方法，是差分隐私保护的另一分支，在本地化差分隐私中，由于没有全局敏感度的概念，因此本文介绍的拉普拉斯机制和指数机制不再适用，大多数方案采用随…
最近一直在学习差分隐私，刚开始学的时候由于对这方面的知识不太清楚，一直处于模模糊糊的理解状态。现在学习了一段时间后开始有了一些初步的认识，所以把学习过程中的一些知识总结一下，方便以后复习，也为其他的…
隐私保护新突破：高斯差分隐私框架与深度学习结合.2020-05-03.2020-05-0323:46:17.阅读5240.人工智能中的隐私问题已经公认为一个重要并且严肃的问题。.近日，宾夕法尼亚大学的研究组开发了一个新的数据隐私分析框架，可以在多个类型的机器学习问题中有效...
在这样的大背景下，手机厂商开始不断探索各种保护用户隐私的技术。.我们今天要讲的差分隐私就是近年兴起、较为热门的技术。.粗略地说，差分隐私是指在处理数据时添加一些随机性，使得个人数据无法被准确识别，但又能保证统计特征较为准确。.尽管...
王爽记得，第一届的iDASH有一条赛道是基于“差分隐私”的隐私保护——看看谁能在数据里加最少的噪音，又能尽可能保持数据在分析中的可用性，还能充分保证第三方不能从结果里窃取到相关信息。而说到隐私计算的技术流派，还有一个跟王爽有关的小插曲。
一阶差分后平稳的数据一定要差分好才能做VAR模型么？,因为变量涉及到利率和存款准备金率，一差分就都是0了，做出来拟合效果很差我不差分直接做，然后再给var做单位根检验能通过，说明模型是平稳的，这个是不是就行了？？,经管之家(原人大经济论坛)
12-30.554.联邦学习中的隐私保护研究进展论文对当前联邦学习中常用的一些隐私保护方法进行了分析总结，主要包括安全多方计算、同态加密、差分隐私。.但是其中貌似有些问题，论文中指出纵向联邦是主要针对各参与方的数据有相同或相似的...
如果你是做差分隐私保护别的不是深度学习，那就不需要深度学习的背景，感觉最近这个方向相对比较火。如果是数学系大佬，可以考虑纯理论的差分隐私。新手的话建议做应用，不建议往理论方向做，门槛太高。区块链隐私保护
知乎用户.27人赞同了该回答.先说结论:肯定是差分隐私。.无论是上手容易度，还是目前学界的关注度，抑或是发表文章(灌水)，差分隐私都远胜过同态加密。.DP上手就那本小蓝书，然后就挑两篇比较新的论文follow下，就可以出活儿了。.现在学术界也很关注...
基于差分隐私的车联网位置隐私保护研究.鲁月莹.【摘要】：车联网是无线通信技术和汽车紧密结合的产物,被视为智能交通系统和保障交通便利安全的关键,受到业界人士的广泛关注。.由于车联网具有大规模、变化速度快的拓扑结构,用户与位置服务提供者交互...
差分隐私而背景介绍中Google、苹果等公司采用的本地化差分隐私方法，是差分隐私保护的另一分支，在本地化差分隐私中，由于没有全局敏感度的概念，因此本文介绍的拉普拉斯机制和指数机制不再适用，大多数方案采用随…
最近一直在学习差分隐私，刚开始学的时候由于对这方面的知识不太清楚，一直处于模模糊糊的理解状态。现在学习了一段时间后开始有了一些初步的认识，所以把学习过程中的一些知识总结一下，方便以后复习，也为其他的…
隐私保护新突破：高斯差分隐私框架与深度学习结合.2020-05-03.2020-05-0323:46:17.阅读5240.人工智能中的隐私问题已经公认为一个重要并且严肃的问题。.近日，宾夕法尼亚大学的研究组开发了一个新的数据隐私分析框架，可以在多个类型的机器学习问题中有效...
在这样的大背景下，手机厂商开始不断探索各种保护用户隐私的技术。.我们今天要讲的差分隐私就是近年兴起、较为热门的技术。.粗略地说，差分隐私是指在处理数据时添加一些随机性，使得个人数据无法被准确识别，但又能保证统计特征较为准确。.尽管...
王爽记得，第一届的iDASH有一条赛道是基于“差分隐私”的隐私保护——看看谁能在数据里加最少的噪音，又能尽可能保持数据在分析中的可用性，还能充分保证第三方不能从结果里窃取到相关信息。而说到隐私计算的技术流派，还有一个跟王爽有关的小插曲。
一阶差分后平稳的数据一定要差分好才能做VAR模型么？,因为变量涉及到利率和存款准备金率，一差分就都是0了，做出来拟合效果很差我不差分直接做，然后再给var做单位根检验能通过，说明模型是平稳的，这个是不是就行了？？,经管之家(原人大经济论坛)
发表服务