文档摘要

5.2 隐私增强技术怎么用 本节摘要：隐私增强技术在不交出明文的前提下完成统计或训练。差分隐私用校准噪声使单条记录对输出几乎无影响，提供可量化预算。联邦学习把训练留在数据原地，只聚合更新，但仍要防梯度泄露与投毒。同态加密允许密文计算，全同态仍贵；安全多方计算让多方输入不互看。选型看威胁模型：防外部统计推断用 DP；防数据集中用联邦；防计算外包偷看用加密计算。它们都必须叠最小化与访问控制，并诚实公布效用损失。 会员。《5.2 隐私增强技术怎么用》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