隐私保护机器学习
正版新书 新华官方库房直发 可开电子发票
￥ 56.34 6.4折 ￥ 88 全新
仅1件
作者王力//张秉晟//陈超超
出版社电子工业出版社
ISBN9787121412073
出版时间2021-09
版次1
装帧平装
开本16开
纸张胶版纸
页数277页
字数365千字
定价88元
货号SC:9787121412073
上书时间2024-10-16
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
王力，蚂蚁集团隐私计算算法总监，于2010年加入阿里云从事搜索算法研究工作；2016年加入蚂蚁集团，从事隐私保护机器学习技术的研究与应用工作，带领团队，在多方安全计算、可信执行环境、同态加密等领域进行深入的研究探索，创建了工业级可用的、适配不同场景的多项隐私保护机器学习方案，并在实际业务场景中取得成功。
内容简介:
随着社会数字化和信息化的程度越来越高，数据资源作为一种互联网时代的新能源所表现出的数据流动价值越来越得到人们的重视。在大数据背景下，机器学习技术正被广泛应用在各个领域，充分发挥数据的价值。与此同时，在对数据隐私的担忧声中，政府开始行动制定数据使用合规法案。传统的机器学习方法受到了制约，大量的数据因为需要依法保护而无法被联合在一起进行建模，隐私保护机器学习的概念应运而生。本书将介绍隐私保护机器学习的原理、方法和应用，主要介绍机器学习和隐私保护技术的基础知识，并讲解隐私保护机器学习的应用，包括隐私求交、安全多方计算、线性模型、树模型、神经网络。同时本书还介绍隐私保护机器学习的具体应用场景，深入讲解其技术原理。
目录:
第1章 引言
1.1 背景
1.2 章节概览
1.3 人工智能与机器学习
1.3.1 人工智能发展历程
1.3.2 人工智能应用现状
1.4 隐私保护相关法律与标准
1.5 现状与不足
1.5.1 隐私保护机器学习现状
1.5.2 当前存在的不足
1.6 本章小结
第2章 机器学习简介
2.1 有监督和无监督学习
2.2 线性模型
2.2.1 基本形式
2.2.2 线性回归
2.2.3 对数概率回归
2.2.4 多分类问题
2.2.5 过拟合与欠拟合
2.3 树模型
2.4 神经网络
2.4.1 神经元模型
2.4.2 前馈神经网络
2.4.3 反向传播算法
2.4.4 深度学习
2.5 图神经网络
2.5.1 循环图神经网络
2.5.2 图卷积神经网络
2.5.3 图自动编码器
2.5.4 时空图神经网络
2.5.5 图神经网络的应用
2.6 迁移学习
2.6.1 迁移学习的基本概念
2.6.2 迁移学习主要技术
2.6.3 迁移学习的应用
2.7 本章小结
第3章 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
3.3.1 point-and-permute优化
3.3.2 fre
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价