数据孤岛以及模型训练和应用过程中的隐私泄露是当下阻碍人工智能技术发展的主要难题。联邦学习作为一种高效的隐私保护手段应运而生。联邦学习是一种分布式的机器学习方法，以在不直接获取数据源的基础上，通过参与方的本地训练与参数传递，训练出一个无损的学习模型。
2021-04-07 19:58:19
1.71MB
1
ISO / IEC 29100：2011提供了一个隐私框架，该框架指定了通用的隐私术语；定义了参与者及其在处理个人身份信息（PII）中的角色；描述了隐私保护注意事项；andprovides为已知隐私原则引用信息技术 .ISO / IEC 29100：2011是适用于参与指定，采购，架构，设计，开发，测试，维护，管理和操作信息和通信技术系统和服务的自然人和组织处理PII时需要隐私控制的地方。
2021-02-24 19:47:29
439KB
1
https://blog.csdn.net/m0_38076341/article/details/113772967 博客资料
2021-02-09 22:00:11
27KB
1
随着云存储技术的快速发展，云存储的数据安全性成了一个最为关键的问题。加密是一种对数据进行保护的有效方法。为了提高云存储环境中对客户隐私的保护，本文设计研究了一种支持隐私保护的云存储加密方法CESVMC。通过对矩阵和向量进行加、减、乘、除运算，完成对云存储数据和客户信息的保密工作。最后经过安全分析和对其性能进行评测，证明CESVMC加密技术具有较高的安全性能，以及合理的运算复杂度，满足日常云存储的工作需要。
2021-01-28 22:15:13
805KB
1
如何在不泄露用户隐私的前提下，提高大数据的利用率，挖掘大数据的价值，是目前大数据研究领域的关键问题。具体而言，实施大数据环境下的隐私保护，需要在大数据产生的整个生命周期中考虑两个方面：如何从大数据中分析挖掘出更多 的价值；如何保证在大数据的分析使用过程中，用户的隐私不被泄露。本论文将围绕下图所示的大数据隐私保护生命周期模型展开。
2019-12-21 21:49:43
483KB
1
由中科院计算所主办的CCF龙星课程“边缘计算”课程上，主讲老师施巍松教授邀请一位安全方面的专家为我们介绍边缘计算下的安全和隐私保护的相关内容。
2019-12-21 21:05:50
7.9MB
1