Explaining Recurrent Machine Learning Models : Integral Privacy Revisited
Torra, Vicenç (Skövde University)
Navarro-Arribas, Guillermo (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Galván, Edgar (Maynooth University)

Imprint:	Cham (Suïssa) : Springer, 2020
Description:	12 p.
Abstract:	We have recently introduced a privacy model for statistical and machine learning models called integral privacy. A model extracted from a database or, in general, the output of a function satisfies integral privacy when the number of generators of this model is sufficiently large and diverse. In this paper we show how the maximal c-consensus meets problem can be used to study the databases that generate an integrally private solution. We also introduce a definition of integral privacy based on minimal sets in terms of this maximal c-consensus meets problem.
Rights:	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.
Language:	Anglès
Series:	Lecture Notes in Computer Science book series (LNCS) ; 12276
Document:	Capítol de llibre ; recerca ; Versió publicada
Subject:	Integral privacy ; Maximal c-consensus meets ; Clustering ; Parameter selection
Published in:	Privacy in Statistical Databases. PSD 2020, 2020, p. 62-73, ISBN 978-3-030-57521-2, DOI 10.1007/978-3-030-57521-2

DOI: 10.1007/978-3-030-57521-2_5

12 p, 307.9 KB

The record appears in these collections:
Research literature > UAB research groups literature > Research Centres and Groups (research output) > Engineering > Security of Networks and Distributed Applications (SENDA)
Books and collections > Book chapters