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)

Publicación:	Cham (Suïssa) : Springer, 2020
Descripción:	12 p.
Resumen:	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.
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) ; 12276
Documento:	Capítol de llibre ; recerca ; Versió publicada
Materia:	Integral privacy ; Maximal c-consensus meets ; Clustering ; Parameter selection
Publicado en:	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

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