文档摘要

2.2 隐私被模型吃掉之后 本节摘要：现代模型饥饿的是数据，擅长的是把购物、位置、社交与健康记录融合成细粒度画像，并预测你尚未说出的状态。隐私风险不只是数据库被拖走，还包括超出目的使用、成员推断、模型反演与去匿名化。差分隐私给出可量化噪声保证；联邦学习让原始数据留在本地；同态加密与安全多方计算在密文或联合计算中工作。它们都要拿效用和算力换，且必须叠上最小化、目的限定与隐私设计，才能对得起 GDPR、CCPA 与个人信息保护法。 会员。《2.2 隐私被模型吃掉之后》收录于灏天文库文集《AI伦理与安全：未来发展不可忽视的议题》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/442-ai%E4%BC%A6%E7%90%86%E4%B8%8E%E5%AE%89%E5%85%A8%E6%9C%AA%E6%9D%A5%E5%8F%91%E5%B1%95%E4%B8%8D%E5%8F%AF%E5%BF%BD%E8%A7%86%E7%9A%84%E8%AE%AE%E9%A2%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流