面向机器学习的隐私保护关键技术研究综述
随着信息通信技术的发展，机器学习已经成为多个研究领域与垂直行业必不可少的技术工具。然而，机器学习所需数据中往往包含了大量的个人信息，使其隐私保护面临风险与挑战，受到了越来越多的关注。对现有机器学习下隐私保护法规政策与标准化现状进行梳理，对适用于机器学习的隐私保护技术进行详细介绍与分析。隐私保护算法通常会对数据质量、通信开支与模型表现等造成影响，因此对于隐私保护算法的评估应当进行多维度的综合评估。总结了适用于机器学习应用的隐私保护性能评估指标，并指出隐私保护需要考虑对数据质量、通信开支以及模型准确率等之间的影响。
- 2021-12-30
- 阅读72
- 下载0
- 9页
- docx
