Naneedigital
- Hoe gebruik je differentiële privacy??
- Hoe zou u differentiële privacy definiëren??
- Wat is Delta in differentiële privacy?
- Wat is differentiële privacy op de iPhone?
- Waarom is federatief leren?
Hoe gebruik je differentiële privacy??
Differentiële privacy werkt door een vooraf bepaalde hoeveelheid willekeur of 'ruis' toe te voegen aan een berekening die wordt uitgevoerd op een dataset. Stel je bijvoorbeeld voor dat vijf mensen 'ja' of 'nee' indienen over een vraag in een enquête, maar voordat hun antwoorden worden geaccepteerd, moeten ze een munt omdraaien.
Hoe zou u differentiële privacy definiëren??
Differentiële privacy is een systeem voor het openbaar delen van informatie over een dataset door de patronen van groepen binnen de dataset te beschrijven, terwijl informatie over individuen in de dataset achterblijft.
Wat is Delta in differentiële privacy?
(2) Delta (δ):
Het is de kans dat er per ongeluk informatie uitlekt. Als δ = 0, zeggen we dat uitvoer M ε-differentieel privé is. Meestal zijn we geïnteresseerd in waarden van δ die kleiner zijn dan de inverse van een polynoom in de grootte van de database.
Wat is differentiële privacy op de iPhone?
Het is een techniek die Apple in staat stelt meer te weten te komen over de gebruikersgemeenschap zonder over individuen in de gemeenschap te leren. Differentiële privacy transformeert de informatie die met Apple wordt gedeeld voordat deze ooit het apparaat van de gebruiker verlaat, zodat Apple nooit de echte gegevens kan reproduceren.
Waarom is federatief leren?
Federated learning stelt meerdere actoren in staat om een gemeenschappelijk, robuust machine learning-model te bouwen zonder gegevens te delen, waardoor kritieke kwesties zoals gegevensprivacy, gegevensbeveiliging, gegevenstoegangsrechten en toegang tot heterogene gegevens kunnen worden aangepakt. ...
