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