tensorflow/privacy

解決する問題

TensorFlow Privacy は、トレーニングに使用されるデータのプライバシーを保護しながら、機械学習モデルをトレーニングする開発者を支援します。差分プライバシーを実装するために必要なツールを提供します。これは、モデルが個々のデータポイントの特定の詳細を記憶せずに一般的なパターンを学習することを保証する技術です。

仕組み

このライブラリは、SGD や Adam などの標準的な TensorFlow オプティマイザーの周りにラップできる特殊なオプティマイザーを提供します。これらのオプティマイザーは「勾配クリッピング」を実行し、最終モデルに対する単一のトレーニング例の影響を制限します。また、トレーニングされたモデルが提供するプライバシー保証を計算および検証するための分析ツールも含まれています。

対象読者

このライブラリは、機密データセットを扱い、モデルがプライバシー基準に準拠していることを確認する必要があるデータサイエンティストや機械学習エンジニア向けに設計されています。既存の TensorFlow ワークフローに直接統合できるように構築されています。

ハイライト

• 差分プライバシーでモデルをトレーニングするための特殊なオプティマイザーが含まれています。
• プライバシー保証を計算および測定するための分析ツールを提供します。
• Keras モデル向けの効率的なサンプルごとの勾配クリッピングを備え、メモリとランタイムのオーバーヘッドを最小限に抑えます。
• 既存のオプティマイザーをラップし、プライバシーパラメータを調整するための広範なチュートリアルを提供します。
• TensorFlow 2.x および Keras モデルと互換性があります。