搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
数据隐私与数据治理(概念与技术)(精)/大数据管理丛书
0.00     定价 ¥ 89.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787111728184
  • 作      者:
    编者:孟小峰|责编:姚蕾
  • 出 版 社 :
    机械工业出版社
  • 出版日期:
    2023-07-01
收藏
编辑推荐
本书以《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》为背景,旨在从概念和技术的角度对数据隐私与数据治理进行系统概述。篇从历史与系统的角度介绍数据隐私与数据治理的基础,第二到四篇分别侧重大规模数据收集、机器学习,以及数据治理中的隐私问题,介绍其相应的技术基础,总结当下的关键问题与技术方案。本书从全新的数据生态的角度介绍数据隐私与数据治理,在内容介绍上,以技术与算法的讲解为主,辅以案例,详略得当。本书既可以供技术人员查阅,亦可以供感兴趣的普通用户阅读,建立对数据隐私与数据治理的基本认识,培养数据素养。
展开
内容介绍
本书从四个方面对数据隐私与数据治理进行了深入浅出的论述。第一篇“基础知识”,主要阐述数据隐私与治理的基础概念与方法体系。第二篇“大数据隐私保护技术”,主要阐述面向共享与发布的隐私保护技术。第三篇“人工智能隐私保护技术”,主要阐述面向机器学习模型的隐私保护技术。第四篇“数据生态与数据治理”,主要阐述面向数据市场和数据生态的治理技术。 本书梳理了数据隐私与数据治理的基本解决之道,并打破传统的认知体系,实现观念、技术、架构的转变,即观念上从数据生命周期观到数据生态观的转变、技术上从隐私保护到隐私防护(管理)的转变和架构上从溯源问责到数据透明的转变,才能跟上形势,从而保证数据要素在市场中发挥关键作用。
展开
目录

前言
第一篇基础知识
第1章绪论2
1.1数据隐私的产生2
1.1.1社会发展视角下的隐私3
1.1.2数据发展视角下的隐私6
1.2数据隐私技术7
1.2.1模糊技术7
1.2.2扰动技术8
1.2.3加密技术9
1.2.4混合隐私技术10
1.2.5分布式计算框架11
1.2.6区块链技术12
1.2.7技术的比较12
1.3数据隐私面临的挑战13
1.3.1大数据隐私挑战13
1.3.2人工智能隐私挑战15
1.3.3数据治理挑战16
1.4小结18
参考文献19
第2章数据隐私的概念21
2.1引言21
2.2数据隐私的定义与特征22
2.2.1数据隐私的定义22
2.2.2数据隐私的基本特征22
2.2.3数据隐私和信息安全的区别22
2.3数据隐私的分类24
2.3.1数据隐私的构成要素24
2.3.2显式隐私与隐式隐私24
2.3.3数据隐私保护场景26
2.4数据隐私的框架29
2.4.1隐私风险监测31
2.4.2隐私风险评估31
2.4.3隐私主动管理32
2.4.4隐私溯源问责32
2.4.5法律法规保障33
2.5小结34
参考文献34
第3章数据治理的概念36
3.1引言36
3.2数据治理的体系38
3.3数据治理的法律法规39
3.4数据治理的实践42
3.5小结43
参考文献43
第二篇大数据隐私保护技术
第4章差分隐私方法46
4.1基础知识46
4.1.1基本定义47
4.1.2基础性质48
4.1.3常用扰动机制50
4.1.4应用场景53
4.2面向数据发布的隐私保护53
4.2.1直方图数据发布54
4.2.2划分发布58
4.3面向数据分析的隐私保护61
4.3.1分类分析61
4.3.2频繁模式挖掘62
4.3.3回归分析63
4.4小结65
参考文献65
第5章本地化差分隐私方法68
5.1基础知识69
5.1.1基本定义69
5.1.2基础性质70
5.1.3常用扰动机制71
5.1.4应用场景72
5.2基于简单数据集的隐私保护74
5.2.1频率统计74
5.2.2均值统计75
5.3基于复杂数据集的隐私保护77
5.3.1键值对数据的收集与发布78
5.3.2图数据的收集与发布81
5.3.3时序数据的收集与发布84
5.4小结86
参考文献87
第6章差分隐私与实用性89
6.1引言90
6.2隐私放大理论与方法91
6.2.1基于二次采样的隐私放大方法91
6.2.2基于混洗的隐私放大方法93
6.2.3其他隐私放大方法95
6.3差分隐私与密码学方法的结合95
6.3.1密码学方法改进差分隐私效用95
6.3.2差分隐私改进密码学协议效率100
6.4一种隐私实用化框架103
6.4.1ESA框架与定义103
6.4.2ESA中的隐私放大107
6.4.3混洗差分隐私方法108
6.5小结111
参考文献111
第三篇人工智能隐私保护技术
第7章机器学习中的隐私保护116
7.1引言117
7.2机器学习的隐私保护119
7.2.1同态加密119
7.2.2差分隐私119
7.3统计学习的隐私保护120
7.4深度学习的隐私保护124
7.4.1隐私算法设计124
7.4.2隐私风险分析125
7.5小结127
参考文献127
第8章联邦学习中的隐私保护129
8.1引言129
8.2隐私保护的联邦学习架构133
8.3基于差分隐私的联邦学习135
8.4基于安全聚合的联邦学习136
8.5个性化隐私保护与联邦学习138
8.5.1个性化隐私保护139
8.5.2个性化隐私保护的联邦学习141
8.6小结142
参考文献142
第四篇数据生态与数据治理
第9章数据要素市场146
9.1引言146
9.2数据交易148
9.2.1免费交易框架148
9.2.2付费交易框架149
9.2.3模型交易框架150
9.3数据流通152
9.4小结154
参考文献154
第10章数据垄断155
10.1引言155
10.2数据垄断现状157
10.2.1定义与概念157
10.2.2总体状况158
10.2.3详情分析159
10.3数据垄断的成因与危害160
10.3.1垄断成因160
10.3.2垄断危害161
10.4数据垄断治理模式162
10.4.1局部模式162
10.4.2中介模式163
10.4.3全局模式164
10.5小结165
参考文献165
第11章数据公平166
11.1引言166
11.2对公平的理解167
11.3公平计算方法168
11.3.1蛋糕分割问题168
11.3.2价格歧视问题169
11.3.3算法偏见问题170
11.3.4数据偏见问题171
11.4小结172
参考文献172
第12章数据透明174
12.1引言174
12.2数据透明的概念175
12.3数据透明框架176
12.4基于区块链的数据透明方案178
12.4.1数据获取与共享透明179
12.4.2数据云存储服务透明181
12.4.3数据决策透明183
12.5小结184


展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证