Data Privacy in der Praxis

KAPITEL 5

Machine Learning und Data Science datenschutzkonform gestalten

In Kapitel 4 haben Sie verschiedene Arten von Angriffen kennengelernt, darunter auch Angriffe auf Machine-Learning-Modelle selbst. Gegebenenfalls haben Sie noch nie darüber nachgedacht, wie man Machine-Learning-Modelle so schützen kann, dass sie keine private Informationen preisgeben. Vielleicht vermuten Sie oder haben schon einmal gehört, dass eine Regularisierung von Modellen und deren Generalisierungsfähigkeit dieses Risiko für die Privatsphäre beseitigen würden. Das ist leider nicht der Fall, insbesondere dann nicht, wenn Modelle sehr groß sind und etliche Parameter aufweisen.

In diesem Kapitel erfahren Sie, wie Sie Machine-Learning-Workflows so anpassen können, dass ...