Skvělá práce!
Ochrana soukromí a anonymizace dat v Pythonu
Rebeca Gonzalez
Data engineer
Kurz jste úspěšně dokončili
Rekapitulace: Co jste se naučili
Citlivé a necitlivé osobně identifikovatelné informace (PII)
Kvazi-identifikátory
Linkage útoky
Potlačení dat
Maskování dat
Generalizace dat
Generování syntetických dat
Vzorkování z pravděpodobnostních rozdělení pro různé typy atributů
Modely ochrany soukromí: k-anonymita
K-anonymní datové sady
Zkoumání možných kombinací v datové sadě
Generalizace dat pomocí hierarchií a rozsahů
Prevence útoků na re-identifikaci
Bez falšování nebo náhodného zkreslování dat!
Modely ochrany soukromí: diferenciální soukromí
Systémy diferenciálního soukromí dokáží měřit a kvantifikovat soukromí při zveřejňování dat
Jedna z nejdůležitějších definic soukromí v současnosti
Diferenciálně privátní modely a operace
Stále více lidí pracuje s diferenciálně privátními modely strojového a hlubokého učení
Trénování a spouštění různých typů diferenciálně privátních modelů strojového učení!
Procvičení pokročilých konceptů, jako jsou rozpočet a sledování soukromí
Další zajímavé knihovny
$$ $$
Diferenciální soukromí od Googlu
TensorFlow Privacy
Nástroj ARX Data Anonymization Tool
Gratulujeme!
Ochrana soukromí a anonymizace dat v Pythonu
Preparing Video For Download...