AIのためのプライバシー保護
機械学習プロフェッショナルシリーズを流し読みして全体感をつかむ
Federated Learning
合成データ
差分プライバシーとは - AppleやGoogleも活用する最先端のプライバシー保護技術
https://www.anonify.layerx.co.jp/post/differential-privacy
データ解析におけるプライバシー保護
1章 データ解析におけるプライバシー保護技術の概要
2章 パーソナルデータ提供におけるプライバシーの問題
3章 パーソナルデータ提供におけるデータの構成要素
4章 パーソナルデータ提供のリスクと有用性
5章 パーソナルデータの匿名化
6章 識別不可能性と攻撃者モデル
7章 統計量の公開における差分プライバシーの理論
8章 差分プライバシーのメカニズム
9章 差分プライバシーと機械学習
10章 秘密計算の定式化と安全性
11章 秘密鍵暗号と公開鍵あんごう
12章 準同型暗号による秘密計算
13章 秘匿回路による秘密計算
14章 秘密分散による秘密計算
機械学習のためのプライバシー保護
1章 機械学習におけるプライバシーへの配慮
2章 機械学習における差分プライバシー
3章 機械学習における差分プライバシーの高度な概念
4章 機械学習における局所差分プライバシー
5章 機械学習の高度なLDPメカニズム
6章 プライバシー保護された合成データ生成
7章 プライバシー保護データマイニングの技術
8章 プライバシー保護データ管理と操作
9章 機械学習のための圧縮プライバシー
10章 プライバシーを強化するプラットフォームの設計
Face Anonymization Made Simple (WACV 2025)
https://github.com/hanweikung/face_anon_simple
Technical Perspective: Toward Building a Differentially Private DBMS
https://cacm.acm.org/research-highlights/technical-perspective-toward-building-a-differentially-private-dbms/