歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

隱私保護(hù)機(jī)器學(xué)習(xí)

出版社：東南大學(xué)出版社出版時(shí)間：2024-07-01
開本： 16開 頁數(shù)： 244
中 圖 價(jià):¥76.7(6.5折) 定價(jià)  ¥118.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

隱私保護(hù)機(jī)器學(xué)習(xí) 版權(quán)信息

隱私保護(hù)機(jī)器學(xué)習(xí) 內(nèi)容簡(jiǎn)介

本書通過面部識(shí)別、云數(shù)據(jù)存儲(chǔ)等真實(shí)世界中的用例來探討隱私保護(hù)技術(shù)。你將了解到現(xiàn)在就可以部署的切實(shí)有效的實(shí)施方法、未來的隱私挑戰(zhàn)以及如何調(diào)整現(xiàn)有技術(shù)以滿足你的需求。你所學(xué)到的新技能將會(huì)在*后一章用來建立一個(gè)完整的安全數(shù)據(jù)平臺(tái)項(xiàng)目。

隱私保護(hù)機(jī)器學(xué)習(xí) 目錄

**部分 基于差分隱私的隱私保護(hù)機(jī)器學(xué)習(xí)基礎(chǔ) 第1章 機(jī)器學(xué)習(xí)中的隱私問題 1.1 人工智能時(shí)代的隱私問題 1.2 超出預(yù)期目的的學(xué)習(xí)威脅 1.2.1 隨時(shí)使用隱私數(shù)據(jù) 1.2.2 ML算法中的數(shù)據(jù)處理方式 1.2.3 為什么ML中的隱私保護(hù)很重要 1.2.4 監(jiān)管要求和可用性與隱私權(quán)衡 1.3 ML系統(tǒng)的威脅和攻擊 1.3.1 明文隱私數(shù)據(jù)的問題 1.3.2 重構(gòu)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(shí)別攻擊 1.3.6 大數(shù)據(jù)分析中隱私保護(hù)面臨的挑戰(zhàn) 1.4 在從數(shù)據(jù)中學(xué)習(xí)的同時(shí)確保隱私——保護(hù)隱私的機(jī)器學(xué)習(xí)技術(shù) 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(hù)的合成數(shù)據(jù)生成 1.4.4 隱私保護(hù)數(shù)據(jù)挖掘技術(shù) 1.4.5 壓縮隱私 1.5 本書是怎樣的結(jié)構(gòu)？ 第2章 機(jī)器學(xué)習(xí)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(jī)制 2.2.1 二元機(jī)制（隨機(jī)響應(yīng)） 2.2.2 拉普拉斯機(jī)制 2.2.3 指數(shù)機(jī)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(jī)器學(xué)習(xí)中差分隱私的高級(jí)概念 3.1 在機(jī)器學(xué)習(xí)中應(yīng)用差分隱私 3.1.1 輸入擾動(dòng) 3.1.2 算法擾動(dòng) 3.1.3 輸出擾動(dòng) 3.1.4 目標(biāo)擾動(dòng) 3.2 差分隱私監(jiān)督學(xué)習(xí)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(jiān)督學(xué)習(xí)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(shù)據(jù)上PCA的隱私 3.4.2 在橫向分割的數(shù)據(jù)上設(shè)計(jì)差分隱私PCA 3.4.3 通過實(shí)驗(yàn)評(píng)估協(xié)議的性能 第二部分 本地化差分隱私和合成數(shù)據(jù)生成 第4章 本地化差分隱私機(jī)器學(xué)習(xí) 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(jī)響應(yīng) 4.2 本地化差分隱私機(jī)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(jī)器學(xué)習(xí)中的高級(jí)LDP機(jī)制 5.1 本地化差分隱私的快速回顧 5.2 高級(jí)LDP機(jī)制 5.2.1 LDP中的拉普拉斯機(jī)制 5.2.2 LDP的Duchi機(jī)制 5.2.3 LDP的Piecewise機(jī)制 5.3 一個(gè)實(shí)現(xiàn)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(xù)特征的LDP樸素貝葉斯 5.3.4 評(píng)估不同的LDP協(xié)議的性能表現(xiàn) 第6章 隱私保護(hù)合成數(shù)據(jù)的生成 6.1 合成數(shù)據(jù)生成概述 6.1.1 什么是合成數(shù)據(jù)？它為何重要？ 6.1.2 在應(yīng)用方面使用合成數(shù)據(jù)進(jìn)行隱私保護(hù) 6.1.3 生成合成數(shù)據(jù) 6.2 通過數(shù)據(jù)匿名化保護(hù)隱私 6.2.1 隱私信息共享與隱私問題 6.2.2 使用k-anonymity對(duì)抗重識(shí)別攻擊 6.2.3 k-anonymity之外的匿名化 6.3 用于生成隱私保護(hù)合成數(shù)據(jù)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(shù)據(jù)生成 6.3.3 DP多邊緣合成數(shù)據(jù)生成 6.4 通過特征級(jí)微聚合發(fā)布隱私合成數(shù)據(jù)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(shù)據(jù) 6.4.3 評(píng)估生成的合成數(shù)據(jù)的性能 第三部分 構(gòu)建具有隱私保障的機(jī)器學(xué)習(xí)應(yīng)用 第7章 隱私保護(hù)數(shù)據(jù)挖掘技術(shù) 7.1 隱私保護(hù)在數(shù)據(jù)挖掘和管理中的重要性 7.2 數(shù)據(jù)處理和挖掘過程中的隱私保護(hù) 7.2.1 什么是數(shù)據(jù)挖掘？如何使用數(shù)據(jù)挖掘？ 7.2.2 隱私監(jiān)管要求的重要性 7.3 通過修改輸入來保護(hù)隱私 應(yīng)用和限制 7.4 在發(fā)布數(shù)據(jù)時(shí)保護(hù)隱私 7.4.1 在Python中實(shí)現(xiàn)數(shù)據(jù)清洗操作 7.4.2 k-anonymity 7.4.3 在Python中實(shí)現(xiàn)k-anonymity 第8章 隱私保護(hù)數(shù)據(jù)管理和操作 8.1 快速回顧數(shù)據(jù)處理和挖掘中的隱私保護(hù) 8.2 k-anonymity之外的隱私保護(hù) 8.2.1 l-diversity 8.2.2 t-closeness 8.2.3 用Python實(shí)現(xiàn)隱私模型 8.3 通過修改數(shù)據(jù)挖掘的輸出保護(hù)隱私 8.3.1 關(guān)聯(lián)規(guī)則隱藏 8.3.2 降低數(shù)據(jù)挖掘操作的準(zhǔn)確度 8.3.3 統(tǒng)計(jì)數(shù)據(jù)庫中的推理控制 8.4 數(shù)據(jù)管理系統(tǒng)中的隱私保護(hù) 8.4.1 數(shù)據(jù)庫安全和隱私：威脅和漏洞 8.4.2 硯代數(shù)據(jù)庫系統(tǒng)泄露隱私信息的可能性有多大？ 8.4.3 對(duì)數(shù)據(jù)庫系統(tǒng)的攻擊 8.4.4 統(tǒng)計(jì)數(shù)據(jù)庫系統(tǒng)中的隱私保護(hù)技術(shù) 8.4.5 設(shè)計(jì)可定制的隱私保護(hù)數(shù)據(jù)庫系統(tǒng)時(shí)應(yīng)考慮什么 第9章 機(jī)器學(xué)習(xí)中的壓縮隱私 9.1 壓縮隱私介紹 9.2 壓縮隱私的機(jī)制 9.2.1 主成分分析（PCA） 9.2.2 其他降維方法 9.3 在ML應(yīng)用中使用壓縮隱私 9.3.1 實(shí)現(xiàn)壓縮隱私 9.3.2 效用任務(wù)的準(zhǔn)確度 9.3.3 在DCA中ρ'對(duì)隱私和可用性的影響 9.4 案例研究：橫向分割數(shù)據(jù)的隱私保護(hù)PCA和DCA 9.4.1 實(shí)現(xiàn)橫向分割數(shù)據(jù)的隱私保護(hù) 9.4.2 簡(jiǎn)要回顧降維方法 9.4.3 使用加法同態(tài)加密 9.4.4 方法概述 9.4.5 隱私保護(hù)計(jì)算的工作原理 9.4.6 評(píng)估隱私保護(hù)PCA和DCA的效率和準(zhǔn)確度 第10章 整體設(shè)計(jì)：構(gòu)建一個(gè)隱私增強(qiáng)平臺(tái)（DataHub） 10.1 研究數(shù)據(jù)保護(hù)和共享平臺(tái)的重要性 10.1.1 DataHub平臺(tái)背后的動(dòng)機(jī) 10.1.2 DataHub的重要特性 10.2 理解研究協(xié)同工作區(qū) 10.2.1 架構(gòu)設(shè)計(jì) 10.2.2 融合不同的信任模型 10.2.3 配置訪問控制機(jī)制 10.3 將隱私和安全技術(shù)集成到DataHub 10.3.1 使用基于云的安全NoSQL數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存儲(chǔ) 10.3.2 本地化差分隱私的隱私保護(hù)數(shù)據(jù)收集 10.3.3 隱私保護(hù)機(jī)器學(xué)習(xí) 10.3.4 隱私保護(hù)查詢處理 10.3.5 在DataHub平臺(tái)中使用合成數(shù)據(jù)生成 附錄 關(guān)于差分隱私的更多詳細(xì)信息 A.1 差分隱私的正式定義 A.2 其他差分隱私機(jī)制 A.2.1 幾何機(jī)制 A.2.2 高斯機(jī)制 A.2.3 階梯機(jī)制 A.2.4 向量機(jī)制 A.2.5 Wishart機(jī)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(xiàn)
展開全部

隱私保護(hù)機(jī)器學(xué)習(xí) 作者簡(jiǎn)介

張致恩(J.MORRIS CHANG)，自2016年起擔(dān)任南佛羅里達(dá)大學(xué)電氣工程系教授，他曾在艾奧瓦州立大學(xué)(2001-2016)、伊利諾伊理工大學(xué)(1995-2001)和羅切斯特理工大學(xué)(1993-1995)任教。在進(jìn)入學(xué)術(shù)界之前，他曾在AT&T貝爾實(shí)驗(yàn)室擔(dān)任計(jì)算機(jī)工程師(1988-1990)。他最近的研究工作涵蓋了廣泛的網(wǎng)絡(luò)安全領(lǐng)域，包括認(rèn)證、惡意軟件檢測(cè)、隱私增強(qiáng)技術(shù)、機(jī)器學(xué)習(xí)中的安全性，并得到了美國國防部不同機(jī)構(gòu)的資助。Chang博士在北卡羅來納州立大學(xué)獲得計(jì)算機(jī)工程博士學(xué)位，他于1999年獲得伊利諾伊理工大學(xué)卓越教學(xué)獎(jiǎng)，并于2019年入選北卡羅來納州立大學(xué)ECE校友名人堂。在過去的10年里，他一直擔(dān)任由DoD機(jī)構(gòu)資助的各種項(xiàng)目的首席研究員。Morris在學(xué)術(shù)期刊和會(huì)議上發(fā)表了超過196篇論文，此外，他還曾在電氣和電子工程師協(xié)會(huì)擔(dān)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(xué)的信息安全學(xué)士學(xué)位和法律學(xué)士學(xué)位，以及南佛羅里達(dá)大學(xué)的電氣工程博士學(xué)位。他是一位精力充沛、技術(shù)精湛的安全和隱私研究者，對(duì)隱私設(shè)計(jì)、差分隱私、隱私保護(hù)機(jī)器學(xué)習(xí)、社交網(wǎng)絡(luò)科學(xué)和網(wǎng)絡(luò)安全方面很感興趣，并擁有很多相關(guān)的專業(yè)知識(shí)和經(jīng)驗(yàn)。2015年至2018年，他在DARPA的Brandeis項(xiàng)目下進(jìn)行隱私保護(hù)機(jī)器學(xué)習(xí)研究。 杜明杜·薩馬拉維拉(DUMINDU SAMARAWEERA)，南佛羅里達(dá)大學(xué)的研究助理教授，他獲得了澳大利亞科廷大學(xué)計(jì)算機(jī)系統(tǒng)和網(wǎng)絡(luò)學(xué)士學(xué)位、斯里蘭卡信息技術(shù)大學(xué)的信息技術(shù)學(xué)士學(xué)位以及英國謝菲爾德哈勒姆大學(xué)的企業(yè)應(yīng)用開發(fā)碩士學(xué)位。他在南佛羅里達(dá)大學(xué)獲得了電氣工程博士學(xué)位，專注于研究網(wǎng)絡(luò)安全和數(shù)據(jù)科學(xué)。他的博士論文《深度學(xué)習(xí)時(shí)代的安全和隱私增強(qiáng)技術(shù)》解決了當(dāng)今數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用的隱私和安全問題，并為緩解此類問題提出了深入詳細(xì)的解決方案。多年來，他參與了多個(gè)由美國國防部資助的大型網(wǎng)絡(luò)安全研究項(xiàng)目。在加入U(xiǎn)SF之前，他在該行業(yè)擔(dān)任軟件工程師／電氣工程師超過6年，同時(shí)管理和部署企業(yè)級(jí)解決方案。 馬學(xué)彬，博士，內(nèi)蒙古大學(xué)計(jì)算機(jī)學(xué)院副教授，碩士生導(dǎo)師。2009年1月畢業(yè)于東北大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)，獲工學(xué)博士學(xué)位。目前為中國計(jì)算機(jī)學(xué)會(huì)大數(shù)據(jù)專家委員會(huì)通訊委員、中國保密協(xié)會(huì)隱私保護(hù)專業(yè)委員會(huì)委員、ACM呼和浩特分會(huì)理事、內(nèi)蒙古自治區(qū)大數(shù)據(jù)與云計(jì)算標(biāo)準(zhǔn)委員會(huì)特聘專家委員。主要研究方向?yàn)殡[私保護(hù)技術(shù)、聯(lián)邦學(xué)習(xí)、無線網(wǎng)絡(luò)路由技術(shù)、延遲容忍網(wǎng)絡(luò)等。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服