PyDP:https:github.comgoogledifferential privacy的python包装器 源码

PyDP 在当今数据驱动的世界中,越来越多的研究人员和数据科学家使用机器学习来创建更好的模型或更多创新的解决方案,以实现更好的未来。 这些模型通常倾向于处理敏感或个人数据,这可能会导致隐私问题。 例如,某些AI模型可以记住有关其训练数据的详细信息,并可能在以后泄漏这些详细信息。 为了帮助测量敏感数据泄漏并减少发生泄漏的可能性,有一个称为差分隐私的数学框架。 2020年,OpenMined为Google的项目PyDP创建了Python包装器。 该库提供了一组ε-微分私有算法,可用于生成包含私有或敏感信息的数字数据集的汇总统计信息。 因此,使用PyDP,您可以控制使用Python编写的模型