隱私風險
含有「隱私風險」共 1 篇內容
全部內容
發佈日期由新至舊
王啟樺的沙龍
2024/07/18
DP 001|如何評估你算法的成員推論風險?
攻擊者的目的,是發展出一種方式, 能夠可靠辨認出特定的數據點, 是否包含於目前算法的訓練數據中, 以此來窺探算法的訓練數據隱私。 有另外一類的研究,叫做數據拷貝, 則是直接觀察算法的輸出, 看看算法輸出是否有過於靠近訓練數據的情形。 這種數據拷貝的觀察, 也轉成另一種成員推論攻擊的形式。
#
數據隱私
#
成員攻擊
#
機器學習
5
留言