Título :	Differential Privacy and Applications
Tipo de documento:	documento electrónico
Autores:	Zhu, Tianqing, Autor ; Li, Gang, Autor ; Zhou, Wanlei, Autor ; Yu, Philip S., Autor
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2017
Número de páginas:	XIII, 235 p. 71 ilustraciones
ISBN/ISSN/DL:	978-3-319-62004-6
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Procesamiento de datos  Protección de datos  Inteligencia artificial  Minería de datos y descubrimiento de conocimientos  Seguridad de datos e información  Privacidad
Índice Dewey:	006.312 Minería de datos
Resumen:	Este libro se centra en la privacidad diferencial y su aplicación con énfasis en los aspectos técnicos y de aplicación. Este libro también presenta las investigaciones más recientes sobre privacidad diferencial desde una perspectiva teórica. Proporciona una estrategia accesible para que investigadores e ingenieros implementen privacidad diferencial en aplicaciones del mundo real. Los primeros capítulos se centran en dos direcciones principales: la publicación de datos diferencialmente privados y el análisis de datos diferencialmente privados. La publicación de datos se centra en cómo modificar el conjunto de datos original o las consultas con la garantía de privacidad diferencial. El análisis de datos de privacidad se concentra en cómo modificar el algoritmo de análisis de datos para satisfacer la privacidad diferencial, manteniendo al mismo tiempo una alta precisión de extracción. Los autores también presentan varias aplicaciones en el mundo real, incluidos sistemas de recomendación y privacidad de ubicación. Los estudiantes de nivel avanzado en ciencias de la computación e ingeniería, así como investigadores y profesionales que trabajan en la preservación de la privacidad, la minería de datos, el aprendizaje automático y el análisis de datos encontrarán útil este libro. como una referencia. Los ingenieros en bases de datos, seguridad de redes, redes sociales y servicios web también encontrarán útil este libro.
Nota de contenido:	Preliminary of Differential Privacy -- Differentially Private Data Publishing: Settings and Mechanisms -- Differentially Private Data Publishing: Interactive Setting -- Differentially Private Data Publishing: Non-interactive Setting -- Differentially Private Data Analysis -- Differentially Private Deep Learning -- Differentially Private Applications: Where to Start? -- Differentially Private Social Network Data Publishing -- Differentially Private Recommender System -- Privacy Preserving for Tagging Recommender Systems -- Differential Location Privacy -- Differentially Private Spatial Crowdsourcing -- Correlated Differential Privacy for Non-IID Datasets -- Future Directions.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Differential Privacy and Applications [documento electrónico] / Zhu, Tianqing, Autor ; Li, Gang, Autor ; Zhou, Wanlei, Autor ; Yu, Philip S., Autor  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XIII, 235 p. 71 ilustraciones.
ISBN : 978-3-319-62004-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Procesamiento de datos  Protección de datos  Inteligencia artificial  Minería de datos y descubrimiento de conocimientos  Seguridad de datos e información  Privacidad
Índice Dewey:	006.312 Minería de datos
Resumen:	Este libro se centra en la privacidad diferencial y su aplicación con énfasis en los aspectos técnicos y de aplicación. Este libro también presenta las investigaciones más recientes sobre privacidad diferencial desde una perspectiva teórica. Proporciona una estrategia accesible para que investigadores e ingenieros implementen privacidad diferencial en aplicaciones del mundo real. Los primeros capítulos se centran en dos direcciones principales: la publicación de datos diferencialmente privados y el análisis de datos diferencialmente privados. La publicación de datos se centra en cómo modificar el conjunto de datos original o las consultas con la garantía de privacidad diferencial. El análisis de datos de privacidad se concentra en cómo modificar el algoritmo de análisis de datos para satisfacer la privacidad diferencial, manteniendo al mismo tiempo una alta precisión de extracción. Los autores también presentan varias aplicaciones en el mundo real, incluidos sistemas de recomendación y privacidad de ubicación. Los estudiantes de nivel avanzado en ciencias de la computación e ingeniería, así como investigadores y profesionales que trabajan en la preservación de la privacidad, la minería de datos, el aprendizaje automático y el análisis de datos encontrarán útil este libro. como una referencia. Los ingenieros en bases de datos, seguridad de redes, redes sociales y servicios web también encontrarán útil este libro.
Nota de contenido:	Preliminary of Differential Privacy -- Differentially Private Data Publishing: Settings and Mechanisms -- Differentially Private Data Publishing: Interactive Setting -- Differentially Private Data Publishing: Non-interactive Setting -- Differentially Private Data Analysis -- Differentially Private Deep Learning -- Differentially Private Applications: Where to Start? -- Differentially Private Social Network Data Publishing -- Differentially Private Recommender System -- Privacy Preserving for Tagging Recommender Systems -- Differential Location Privacy -- Differentially Private Spatial Crowdsourcing -- Correlated Differential Privacy for Non-IID Datasets -- Future Directions.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i