tensorflow/privacy

해결하는 문제

TensorFlow Privacy는 개발자가 모델 훈련에 사용된 데이터의 프라이버시를 보호하면서 기계 학습 모델을 훈련할 수 있도록 돕습니다. 이는 모델이 개별 데이터 포인트에 대한 특정 세부 사항을 기억하지 않고 일반적인 패턴을 학습하도록 보장하는 기술인 차등 프라이버시를 구현하는 데 필요한 도구를 제공합니다.

작동 방식

이 라이브러리는 SGD 또는 Adam과 같은 표준 TensorFlow 옵티마이저를 감쌀 수 있는 특수 옵티마이저를 제공합니다. 이러한 옵티마이저는 '그래디언트 클리핑'을 수행하여 최종 모델에 대한 단일 훈련 예제의 영향을 제한합니다. 또한 훈련된 모델이 제공하는 프라이버시 보장을 계산하고 검증하는 분석 도구도 포함합니다.

대상 사용자

이 라이브러리는 민감한 데이터 세트를 다루고 모델이 프라이버시 표준을 준수하는지 확인해야 하는 데이터 과학자와 기계 학습 엔지니어를 위해 설계되었습니다. 기존 TensorFlow 워크플로우에 직접 통합되도록 구축되었습니다.

주요 특징

• 차등 프라이버시로 모델을 훈련하기 위한 특수 옵티마이저를 포함합니다.
• 프라이버시 보장을 계산하고 측정하는 분석 도구를 제공합니다.
• Keras 모델을 위한 효율적인 예제별 그래디언트 클리핑을 제공하여 메모리 및 런타임 오버헤드를 최소화합니다.
• 기존 옵티마이저를 감싸고 프라이버시 매개변수를 조정하는 데 도움이 되는 광범위한 튜토리얼을 제공합니다.
• TensorFlow 2.x 및 Keras 모델과 호환됩니다.