本地导入书籍的 AI 翻译功能
仅支持付费会员使用
仅支持付费会员使用
微信扫码开通付费会员
一键翻译全文
一键翻译全文
微信读书书城隐私保护机器学习 版权信息
查看
全部搜索结果
隐私保护机器学习
王力
- 版权信息
- 作者简介
- 内容简介
- 编委会
- 序言1
- 序言2
- 序言3
- 序言4
- 前言
- CHAPTER 1 引言
- 1.1 背景
- 1.2 章节概览
- 1.3 人工智能与机器学习
- 1.4 隐私保护相关法律与标准
- 1.5 现状与不足
- 1.6 本章小结
- CHAPTER 2 机器学习简介
- 2.1 有监督和无监督学习
- 2.2 线性模型
- 2.3 树模型
- 2.4 神经网络
- 2.5 图神经网络
- 2.6 迁移学习
- 2.7 本章小结
- CHAPTER 3 安全计算技术原理
- 3.1 概览
- 3.2 不经意传输
- 3.3 混淆电路
- 3.4 秘密分享
- 3.5 同态加密
- 3.6 可信执行环境
- 3.7 差分隐私
- 3.8 本章小结
- CHAPTER 4 场景定义
- 4.1 数据切分
- 4.2 安全模型
- 4.3 多方联合计算模式
- 4.4 安全等级
- 4.5 本章小结
- CHAPTER 5 隐私求交
- 5.1 概念及应用
- 5.2 基于朴素哈希的隐私求交
- 5.3 基于迪菲-赫尔曼的隐私求交技术
- 5.4 基于不经意传输的隐私求交技术
- 5.5 基于同态加密的隐私求交技术
- 5.6 本章小结
- CHAPTER 6 MPC计算框架
- 6.1 计算框架概述
- 6.2 协议说明
- 6.3 Sharemind框架
- 6.4 ABY框架
- 6.5 恶意威胁模型下的框架
- 6.6 本章小结
- CHAPTER 7 线性模型
- 7.1 逻辑回归简介
- 7.2 基于秘密分享的方法
- 7.3 基于同态加密和秘密分享混合协议的方法
- 7.4 本章小结
- CHAPTER 8 树模型
- 8.1 梯度提升决策树简介
- 8.2 MPC决策树
- 8.3 Secure Boost算法
- 8.4 HESS-XGB算法
- 8.5 本章小结
- CHAPTER 9 神经网络
- 9.1 神经网络简介
- 9.2 联邦学习
- 9.3 拆分学习
- 9.4 密码学方法
- 9.5 服务器辅助的隐私保护机器学习
- 9.6 本章小结
- CHAPTER 10 推荐系统
- 10.1 推荐系统简介
- 10.2 常见推荐算法
- 10.3 隐私保护推荐系统概述
- 10.4 隐私保护推荐算法
- 10.5 本章小结
- CHAPTER 11 基于TEE的机器学习系统
- 11.1 SGX
- 11.2 SGX应用开发
- 11.3 基于SGX的隐私保护机器学习实例
- 11.4 集群化
- 11.5 侧信道加固
- 11.6 本章小结
- CHAPTER 12 安全多方计算编译优化方法
- 12.1 安全多方计算编译器现状
- 12.2 非线性门数目最小化
- 12.3 深度最小优化方法
- 12.4 本章小结
- CHAPTER 13 总结与展望
- 13.1 本书内容小结
- 13.2 挑战与展望
- 参考文献
暂无笔记