Capítulo 14. Privacidad de datos para el aprendizaje automático
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En este capítulo, presentamos algunos aspectos de la privacidad de los datos que se aplican a las cadenas de aprendizaje automático. El aprendizaje automático que preserva la privacidad es un área de investigación muy activa que está empezando a incorporarse a TensorFlow y otros marcos de trabajo. Explicaremos algunos de los principios en los que se basan las técnicas más prometedoras en el momento de escribir estas líneas y mostraremos algunos ejemplos prácticos de cómo pueden encajar en una canalización de aprendizaje automático.
En este capítulo trataremos tres métodos principales para preservar la privacidad en el aprendizaje automático: la privacidad diferencial, el aprendizaje federado y el aprendizaje automático encriptado.
Cuestiones de privacidad de datos
La privacidad de los datos tiene que ver con la confianza y con limitar la exposición de datos que la gente preferiría mantener en privado. Hay muchos métodos diferentes para preservar la privacidad en el aprendizaje automático, y para elegir entre ellos, debes intentar responder a las siguientes preguntas:
-
¿De quién intentas mantener la privacidad de los datos?
-
¿Qué partes del sistema pueden ser privadas y cuáles pueden exponerse al mundo?
-
¿Quiénes son las partes de confianza que pueden ver los datos?
Las respuestas a estas preguntas ...
Get Construir Pipelines de Aprendizaje Automático now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
