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)

Publicació:	Cham, Switzerland: Springer, 2018
Descripció:	9 pàg.
Resum:	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.
Ajuts:	Ministerio de Ciencia e Innovación TIN2017-87211-R
Drets:	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.
Llengua:	Anglès
Col·lecció:	Lecture Notes in Computer Science book series (LNCS) ; 11025
Document:	Capítol de llibre ; Versió publicada
Matèria:	Data privacy ; Integral privacy ; Probabilistic metric spaces
Publicat a:	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 registre apareix a les col·leccions:
Documents de recerca > Documents dels grups de recerca de la UAB > Centres i grups de recerca (producció científica) > Enginyeries > Security of Networks and Distributed Applications (SENDA)
Llibres i col·leccions > Capítols de llibres