Estudio de modelos de privacidad de datos
Supervisor(es): Yovine, Sergio
Resumen:
El presente trabajo surge como una investigación motivada por la necesidad de proteger la privacidad de los usuarios de sistemas en contextos de análisis estadístico, inteligencia artificial y publicación de datos. Para ello se ha llevado a cabo un estudio del estado del arte y se han explorado técnicas de privatización de datos basadas en Privacidad Diferencial.
2021 | |
Agencia Nacional de Investigación e Innovación ICT4V |
|
Differential Privacy Deep Learning Open Data Ciencias Naturales y Exactas Ciencias de la Computación e Información |
|
Inglés | |
Agencia Nacional de Investigación e Innovación | |
REDI | |
https://hdl.handle.net/20.500.12381/463 | |
Acceso abierto | |
Reconocimiento 4.0 Internacional. (CC BY) |
Resultados similares
-
DP-GEM
Autor(es):: Visca, Ramiro
Fecha de publicación:: (2021) -
Software basado en Pyfhel para garantizar privacidad de datos en un contexto de machine learning as a service
Autor(es):: Imbert, Walter
Fecha de publicación:: (2022) -
Diseño e implementación de una plataforma para garantizar privacidad de datos en un contexto de machine learning as a service
Autor(es):: Wagner, Gonzalo
Fecha de publicación:: (2022) -
Prototipo de “Application of Private Aggregation of Ensemble Models to Sensible Data” en la plataforma PySyft de OpenMined
Autor(es):: Pisani, Mikaela
Fecha de publicación:: (2022) -
¿Cómo compartir datos de manera efectiva y privada?
Autor(es):: Yovine, Sergio
Fecha de publicación:: (2022)