本地差分隐私技术在联邦学习中的实践 | CIS 2019议题前瞻

2019-11-07 13351人围观 ,发现 1 个不明物体 活动

随着人工智能在各个行业中的广泛应用,大量的个人数据被运算处理,加之近期出现的隐私泄露案例,人工智能的隐私问题已经成为公众关注的焦点。

其实,人们很早就意识到数据的价值,并对数据做了初步的保护。但攻击者发现,可以很容易从受保护的信息中推断隐私数据。

2006年微软的数据科学家Dwork首次提出差分隐私技术。标志性事件是2016年6月苹果全球开发者大会上宣布采用差分隐私保护ios用户隐私。数据的可用性和隐私是一对矛盾。差分隐私技术将数据的控制权交还给用户,很大程度上提高用户的隐私保护能力,同时兼顾了数据的可用性。

联邦学习作为人工智能中的重要技术方向之一,将运算去中心化,很大程度上提升处理效率,但运算过程中仍会包含大量用户隐私数据,存在隐私泄露风险。

为了应对联邦学习可能导致的隐私泄露,在过程中引入本地差分隐私技术,并实践落地,在尽可能不影响联邦学习模型准确率和效率前提下,有效保护用户隐私。

如何在数据利用与隐私保护之间取得平衡?

11月28日,vivo千镜安全实验室安全研究员张栋将在CIS 2019网络安全创新大会人工智能安全前沿论坛带来《本地差分隐私技术在联邦学习中的实践》议题分享,深入探讨数据利用与隐私保护

微信图片_20191107140658.jpg

张栋

vivo千镜安全实验室,安全研究员,曾在某大型通信设备制造商担任安全工程师以及某金融集团担任安全工程师。

大会早鸟票

CIS大会购票渠道已经全面开通咯~

即日起至11月10日,所有门票均可享8折特惠!

>>点击【进入官网 】即可购票

或微信扫描下方二维码,进入购票页面

1569378809.png

11月27-28日,上海,期待与你们在CIS 2019大会再次相遇呀~

相关推荐
发表评论

已有 1 条评论

取消
Loading...

特别推荐

推荐关注

活动预告

填写个人信息

姓名
电话
邮箱
公司
行业
职位
css.php