联邦学习框架下的数据安全与利用合规路径AET-电子技术应用-最丰富的电子设计资源平台

联邦学习框架下的数据安全与利用合规路径
所属分类：技术论文
上传者：zhoubin333
文档大小：1397 K
标签：联邦学习个人信息保护数据孤岛
所需积分：0分积分不够怎么办？
文档介绍：日趋严格的个人信息保护相关法律法规，在保护个人隐私的同时，增加了企业数据流通合规的难度和成本。在联邦学习框架中，数据不动模型动的隐私保护设计以技术促进法律的遵守，是打破数据孤岛壁垒、促进隐私保护前提下数据融合协作创新的可能解。将合法原则、数据最小化原则与目的限制原则嵌入到系统开发的技术中，联邦学习分布式协作框架以局部模型更新参数代替本地原始个人数据上传，实现数据本地训练存储，达到可用不可见的个人信息保护效果。由于潜在的网络安全攻击以及机器学习算法黑箱的固有缺陷，联邦学习仍然面临着质量原则、公正原则与透明原则的挑战。联邦学习不是规避合规义务的手段，而是减少个人信息合规风险的可行技术措施，使用时仍然存在需要履行的个人信息保护义务，数据权属与责任分配的确定需要综合考量各参与方角色和个人信息处理者类型。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动