谭佐文;张连福 机器学习隐私保护技术综述。 (中文。英文摘要) Zbl 1463.68065号 J.软件。 第7期第31期,2127-2156页(2020年). 总结:机器学习已经成为大数据、物联网和云计算等领域的核心技术。训练机器学习模型需要大量的数据,这些数据通常是通过众包方式收集的,包含大量的私有数据,包括个人身份信息(如电话号码、身份证号码等)和敏感信息(如财务数据、医疗保健等)。如何以低成本和高效率保护这些数据是一个重要的问题。本文首先介绍了机器学习的概念,解释了机器学习中隐私的各种定义,论证了机器学习过程中遇到的各种隐私威胁,然后继续阐述了机器学习隐私保护主流技术的工作原理和突出特点。根据差分隐私、同态加密和安全多方计算,分别总结了机器学习隐私保护领域的研究成果。在此基础上,对比分析了机器学习中不同隐私保护机制的主要优缺点。最后,展望了机器学习隐私保护的发展趋势,并提出了该领域可能的研究方向。 MSC公司: 68T05型 人工智能中的学习和自适应系统 第68页第25页 数据加密(计算机科学方面) 68第27页 数据隐私 2010年第68季度 计算模式(非确定性、并行、交互式、概率性等) 关键词:机器学习;隐私保护;差异隐私;同态加密;安全多方计算 PDF格式BibTeX公司 XML格式引用 \textit{Z.Tan}和\textit{L.Zhang},J.Softw。31,第7号,2127--2156(2020;Zbl 1463.68065) 全文: 内政部