隱私保護機器學習 張致恩 9787576609455 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：東南大學
物品所在地：中國大陸
原出版社：東南大學
NT$750
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202407*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：隱私保護機器學習 ISBN：9787576609455 出版社：東南大學 著編譯者：張致恩 頁數：289 所在地：中國大陸 *此為代購商品 書號：1674952 可大量預訂，請先連絡。 內容簡介 機器學習應用需要大量的數據，因此有必要保護這些數據集中敏感信息的隱私和安全。從數據收集、導入到模型開發、部署，隱私保護髮生在機器學習過程中的每個環節。這本實用的圖書將講授確保數據管道端到端安全所需的技能。 本書通過面部識別、雲數據存儲等真實世界中的用例來探討隱私保護技術。你將了解現在就可以部署的切實有效的實施方法、未來的隱私挑戰以及如何調整現有技術以滿足你的需求。你所學到的新技能將會在最後一章用來建立一個完整的安全數據平台項目。 本書內容包括差分隱私和壓縮隱私技術；頻率、均值估計、樸素貝葉斯分類器和深度學習的隱私問題；隱私保護合成數據生成；數據挖掘和資料庫應用的隱私增強。 本書面向機器學習工程師和開發人員，書中的示例是用Python和Java編寫的。作者簡介 張致恩(J MORRIS CHANG)，自2016年起擔任南佛羅里達大學電氣工程系教授，他曾在艾奧瓦州立大學(2001-2016)、伊利諾伊理工大學(1995-2001)和羅切斯特理工大學(1993-1995)任教。在進入學術界之前，他曾在AT&T貝爾實驗室擔任計算機工程師(1988-1990)。他最近的研究工作涵蓋了廣泛的網路安全領域，包括認證、惡意軟體檢測、隱私增強技術、機器學習中的安全性，並得到了美國國防部不同機構的資助。Chang博士在北卡羅來納州立大學獲得計算機工程博士學位，他於1999年獲得伊利諾伊理工大學卓越教學獎，並於2019年入選北卡羅來納州立大學ECE校友名人堂。在過去的10年裡，他一直擔任由DoD機構資助的各種項目的首席研究員。Morris在學術期刊和會議上發表了超過196篇論文，此外，他還曾在電氣和電子工程師協會擔任過各種職位。目錄 第一部分 基於差分隱私的隱私保護機器學習基礎第1章 機器學習中的隱私問題 1 1 人工智慧時代的隱私問題 1 2 超出預期目的的學習威脅 1 2 1 隨時使用隱私數據 1 2 2 ML演算法中的數據處理方式 1 2 3 為什麼ML中的隱私保護很重要 1 2 4 監管要求和可用性與隱私權衡 1 3 ML系統的威脅和攻擊 1 3 1 明文隱私數據的問題 1 3 2 重構攻擊 1 3 3 模型反演攻擊 1 3 4 成員推理攻擊 1 3 5 去匿名化或重識別攻擊 1 3 6 大數據分析中隱私保護面臨的挑戰 1 4 在從數據中學習的同時確保隱私——保護隱私的機器學習技術 1 4 1 差分隱私的使用 1 4 2 本地化差分隱私 1 4 3 隱私保護的合成數據生成 1 4 4 隱私保護數據挖掘技術 1 4 5 壓縮隱私 1 5 本書是怎樣的結構？ 第2章 機器學習中的差分隱私 2 1 什麼是差分隱私？ 2 1 1 差分隱私的概念 2 1 2 差分隱私的工作原理 2 2 差分隱私機制 2 2 1 二元機制（隨機響應） 2 2 2 拉普拉斯機制 2 2 3 指數機制 2 3 差分隱私的特性 2 3 1 差分隱私的后處理特性 2 3 2 差分隱私的群組隱私特性 2 3 3 差分隱私的組合特性 第3章 機器學習中差分隱私的高級概念 3 1 在機器學習中應用差分隱私 3 1 1 輸入擾動 3 1 2 演算法擾動 3 1 3 輸出擾動 3 1 4 目標擾動 3 2 差分隱私監督學習演算法 3 2 1 差分隱私樸素貝葉斯分類 3 2 2 差分隱私邏輯回歸 3 2 3 差分隱私線性回歸 3 3 差分隱私無監督學習演算法 差分隱私k-means聚類 3 4 案例研究——差分隱私主成分分析 3 4 1 橫向分割數據上PCA的隱私 3 4 2 在橫向分割的數據上設計差分隱私PCA 3 4 3 通過實驗評估協議的性能 第二部分 本地化差分隱私和合成數據生成 第4章 本地化差分隱私機器學習 4 1 什麼是本地化差分隱私？ 4 1 1 本地化差分隱私的概念 4 1 2 用於本地化差分隱私的隨機響應 4 2 本地化差分隱私機制 4 2 1 直接編碼 4 2 2 直方圖編碼 4 2 3 一元編碼 第5章 機器學習中的高級LDP機制 5 1 本地化差分隱私的快速回顧 5 2 高級LDP機制 5 2 1 LDP中的拉普拉斯機制 5 2 2 LDP的Duchi機制 5 2 3 LDP的Piecewise機制 5 3 一個實現LDP樸素貝葉斯分類的案例研究 5 3 1 使用樸素貝葉斯和ML分類 5 3 2 使用具有離散特徵的LDP樸素貝葉斯 5 3 3 使用具有連續特徵的LDP樸素貝葉斯 5 3 4 評估不同的LDP協議的性能表現 第6章 隱私保護合成數據的生成 6 1 合成數據生成概述 6 1 1 什麼是合成數據？它為何重要？ 6 1 2 在應用方面使用合成數據進行隱私保護 6 1 3 生成合成數據 6 2 通過數據匿名化保護隱私 6 2 1 隱私信息共享與隱私問題 6 2 2 使用k-anonymity對抗重識別攻擊 6 2 3 k-anonymity之外的匿名化 6 3 用於生成隱私保護合成數據的DP 6 3 1 DP合成直方圖表示的生成 6 3 2 DP合成表格數據生成 6 3 3 DP多邊緣合成數據生成 6 4 通過特徵級微聚合發布隱私合成數據的案例研究 6 4 1 使用層次聚類和微聚合 6 4 2 生成合成數據 6 4 3 評估生成的合成數據的性能 第三部分 構建具有隱私保障的機器學習應用 第7章 隱私保護數據挖掘技術 7 1 隱私保護在數據挖掘和管理中的重要性 7 2 數據處理和挖掘過程中的隱私保護 7 2 1 什麼是數據挖掘？如何使用數據挖掘？ 7 2 2 隱私監管要求的重要性 7 3 通過修改輸入來保護隱私 應用和限制 7 4 在發布數據時保護隱私 7 4 1 在Python中實現數據清洗操作 7 4 2 k-anonymity 7 4 3 在Python中實現k-anonymity 第8章 隱私保護數據管理和操作 8 1 快速回顧數據處理和挖掘中的隱私保護 8 2 k-anonymity之外的隱私保護 8 2 1 l-diversity 8 2 2 t-closeness 8 2 3 用Python實現隱私模型 8 3 通過修改數據挖掘的輸出保護隱私 8 3 1 關聯規則隱藏 8 3 2 降低數據挖掘操作的準確度 8 3 3 統計資料庫中的推理控制 8 4 數據管理系統中的隱私保護 8 4 1 資料庫安全和隱私：威脅和漏洞 8 4 2 硯代資料庫系統泄露隱私信息的可能性有多大？ 8 4 3 對資料庫系統的攻擊 8 4 4 統計資料庫系統中的隱私保護技術 8 4 5 設計可定製的隱私保護資料庫系統時應考慮什麼 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
