توضیحات
Data privacy technologies are essential for implementing information systems with privacy by design.
Privacy technologies clearly are needed for ensuring that data does not lead to disclosure, but also that statistics or even data-driven machine learning models do not lead to disclosure.For example, can a deep-learning model be attacked to discover that sensitive data has been used for its training?This accessible textbook presents privacy models, computational definitions of privacy, and methods to implement them. Additionally, the book explains and gives plentiful examples of how to implementamong other modelsdifferential privacy, k-anonymity, and secure multiparty computation.
Topics and features:
- Provides integrated presentation of data privacy (including tools from statistical disclosure control, privacy-preserving data mining, and privacy for communications)
- Discusses privacy requirements and tools for different types of scenarios, including privacy for data, for computations, and for users
- Offers characterization of privacy models, comparing their differences, advantages, and disadvantages
- Describes some of the most relevant algorithms to implement privacy models
- Includes examples of data protection mechanisms
This unique textbook/guide contains numerous examples and succinctly and comprehensively gathers the relevant information. As such, it will be eminently suitable for undergraduate and graduate students interested in data privacy, as well as professionals wanting a concise overview.
Vicen Torrais Professor with the Department of Computing Science at Ume University, Ume, Sweden.
————————————————————–
ترجمه ماشینی :
فناوریهای حفظ حریم خصوصی دادهها برای پیادهسازی سیستمهای اطلاعاتی با طراحی حریم خصوصی ضروری هستند.
تکنولوژیهای حفظ حریم خصوصی به وضوح برای اطمینان از اینکه دادهها منجر به افشا نمیشوند، اما همچنین آمار یا حتی دادهها مورد نیاز هستند. مدلهای یادگیری ماشین هدایتشده منجر به افشا نمیشوند. برای مثال، آیا میتوان به یک مدل یادگیری عمیق حمله کرد تا کشف کرد که از دادههای حساس برای آموزش آن استفاده شده است؟ این کتاب درسی قابل دسترس، مدلهای حریم خصوصی، تعاریف محاسباتی حریم خصوصی و روشهایی برای پیادهسازی آنها را ارائه میکند. . علاوه بر این، کتاب مثالهای فراوانی از نحوه پیادهسازی مدلهای دیگر از حریم خصوصی متفاوت، K-ناشناس بودن، و محاسبات امن چند جانبه را توضیح داده و ارائه میدهد.
موضوعات و ویژگیها:
- ارائه یکپارچه حریم خصوصی داده ها (شامل ابزارهایی از کنترل افشای آماری، داده کاوی حفظ حریم خصوصی، و حریم خصوصی برای ارتباطات) را ارائه می دهد.
- مورد نیازها و ابزارهای حفظ حریم خصوصی برای انواع مختلف سناریوها، از جمله حریم خصوصی برای داده ها، برای محاسبات، و برای کاربران بحث می کند
- مشخصات مدلهای حفظ حریم خصوصی را ارائه میدهد، تفاوتها، مزایا و معایب آنها را مقایسه میکند
- برخی از بهترینها را شرح میدهد. الگوریتمهای مرتبط برای پیادهسازی مدلهای حریم خصوصی
- شامل نمونههایی از مکانیسمهای حفاظت از دادهها
< p>
این کتاب درسی/راهنمای منحصربهفرد حاوی مثالهای متعددی است و اطلاعات مربوطه را بهطور مختصر و جامع جمعآوری میکند. به این ترتیب، برای دانشجویان کارشناسی و کارشناسی ارشد علاقه مند به حریم خصوصی داده ها، و همچنین
tag : دانلود کتاب راهنمای حفظ حریم خصوصی داده ها: مدل ها، فناوری ها، راه حل ها , Download راهنمای حفظ حریم خصوصی داده ها: مدل ها، فناوری ها، راه حل ها , دانلود راهنمای حفظ حریم خصوصی داده ها: مدل ها، فناوری ها، راه حل ها , Download Guide to Data Privacy: Models, Technologies, Solutions Book , راهنمای حفظ حریم خصوصی داده ها: مدل ها، فناوری ها، راه حل ها دانلود , buy راهنمای حفظ حریم خصوصی داده ها: مدل ها، فناوری ها، راه حل ها , خرید کتاب راهنمای حفظ حریم خصوصی داده ها: مدل ها، فناوری ها، راه حل ها , دانلود کتاب Guide to Data Privacy: Models, Technologies, Solutions , کتاب Guide to Data Privacy: Models, Technologies, Solutions , دانلود Guide to Data Privacy: Models, Technologies, Solutions , خرید Guide to Data Privacy: Models, Technologies, Solutions , خرید کتاب Guide to Data Privacy: Models, Technologies, Solutions ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.