文 档: 现代隐私权:“社交网络与机器学习模式”案例研究
作 者: Yang Zhang
语 言: 外文
标 签 机器学习 隐私保护 隐私 社交网络 数据分析
介 绍:

2018年12月19日,德国信息技术安全、隐私及责任中心(CISPA)张阳博士在清华大学以《现代隐私权:“社交网络与机器学习模式”案例研究》为题,带来了一场精彩的报告。

他在报告中分享了他们在社交网络数据和机器学习模型的隐私风险评估方面的最新工作。他指出,我们关注在线社交网络中流行的位置打卡(location check-in)和话题标签(hashtag),我们的研究结果表明基于位置打卡数据可以有效推断用户社交关系,同时基于话题标签可以精确地定位用户的地理位置。但是在机器学习模型中训练数据存在隐私风险,我们通过放宽攻击模型的多种假设之后,展示了攻击者可以更快更有效地针对机器学习分类器发起成员关系推断攻击。最终结果揭示了,未来机器学习模型需要一种更通用的评估方法。

张阳博士本次演讲的相应研究论文已发表于CCS 2017、WWW 2018和NDSS 2019,附件为他此次报告PPT,供大家学习参考。

  • •Social network privacy
  • •Machine learning privacy
援 引: https://www.inforsec.org/wp/?p=2828
提 示: 本站只提供资料的整理、索引服务,如需转载或引用,请注明本页地址及援引.
附件下载
相关推荐
面向信息安全的大数据分析-概念、过程、应用、实现
- 大数据分析的基本概念 - 面向安全的大数据分析过程 - 面向安全的大数据
现代隐私权:“社交网络与机器学习模式”案例研究
2018年12月19日,德国信息技术安全、隐私及责任中心(CISPA)张阳博士在
检测来自 Web 的威胁
- 背景介绍 - 沙盒设计与数据收集 - 分析与关联 - 数据与案例
“黑产”在做什么数据分析
#Contents讲述一个真实的对抗故事 - 0x001 如今的“黑产”现状
从跨市场关系研究金融危机发现与传播
#目录 - 金融危机的发现机制 - 多个异构市场之间的关系 - 市场内
REVEALING-Road to User Analysis System Construction
- 电商 安全 - 第一次 尝试 - 日志 - 消息源