Probabilistic Metric Spaces for Privacy by Design Machine Learning Algorithms : Modeling Database Changes
Torra i Reventós, Vicenç (University of Skövde)
Navarro-Arribas, Guillermo (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)

Publicación:	Cham, Switzerland: Springer, 2018
Descripción:	9 pàg.
Resumen:	Machine learning, data mining and statistics are used to analyze the data and to build models from them. Data privacy for big data needs to find a compromise between data analysis and disclosure risk. Privacy by design machine learning algorithms need to take into account the space of models and the relationship between the data that generates the models and the models themselves. In this paper we propose the use of probabilistic metric spaces for comparing these models.
Ayudas:	Ministerio de Ciencia e Innovación TIN2017-87211-R
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Lengua:	Anglès
Colección:	Lecture Notes in Computer Science book series (LNCS) ; 11025
Documento:	Capítol de llibre ; Versió publicada
Materia:	Data privacy ; Integral privacy ; Probabilistic metric spaces
Publicado en:	Data Privacy Management, Cryptocurrencies and Blockchain Technology, 2018, p. 422-430, ISBN 9783030003050

DOI: 10.1007/978-3-030-00305-0_30

9 p, 281.1 KB

El registro aparece en las colecciones:
Documentos de investigación > Documentos de los grupos de investigación de la UAB > Centros y grupos de investigación (producción científica) > Ingeniería > Security of Networks and Distributed Applications (SENDA)
Libros y colecciones > Capítulos de libros