tensorflow/privacy
Library for training machine learning models with privacy for training data
解决的问题
TensorFlow Privacy 帮助开发人员训练机器学习模型，同时保护用于训练的数据的隐私。它提供了实现差分隐私所需的工具，这种技术确保模型学习一般模式，而不会记住个体数据点的具体细节。
工作原理
该库提供了专门的优化器，您可以将其包装在标准 TensorFlow 优化器（如 SGD 或 Adam）周围。这些优化器执行“梯度裁剪”，限制任何单个训练示例对最终模型的影响。该库还包括分析工具，用于计算和验证训练模型提供的隐私保证。
适用对象
该库专为处理敏感数据集的数据科学家和机器学习工程师设计，他们需要确保模型符合隐私标准。它旨在直接集成到现有的 TensorFlow 工作流程中。
亮点
- 包含用于差分隐私模型训练的专业优化器。
- 提供分析工具来计算和衡量隐私保证。
- 为 Keras 模型提供高效的逐示例梯度裁剪，最小化内存和运行时开销。
- 提供大量教程，帮助用户包装现有优化器并调整隐私参数。
- 兼容 TensorFlow 2.x 和 Keras 模型。
相关
- 项目
- 项目
- 项目
- 项目