- 1、本文档共50页,其中可免费阅读20页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
摘要
当机器学习算法应用于敏感数据时,可能会对隐私构成严重威胁。先前越
来越多的研究表明,“成员推理攻击”可以向攻击者披露训练数据中是否存在
特定的私有数据样本。然而,大多数关于成员推理攻击的现有研究都集中在整
个群体的隐私泄漏上,而对群体中不同子组(例如女性和男性)的隐私泄漏的研究
还很不充分,同时在特定数据场景下的研究也存在较大空间。因此,本文从医
疗数据分类为切入点,基于真实数据进行成员推理攻击问题的“隐私
文档评论(0)