• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Medical Genomics >Differentially private distributed logistic regression using private and public data
【2h】

Differentially private distributed logistic regression using private and public data

机译：使用私有和公共数据的差分私有分布式逻辑回归

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundPrivacy protecting is an important issue in medical informatics and differential privacy is a state-of-the-art framework for data privacy research. Differential privacy offers provable privacy against attackers who have auxiliary information, and can be applied to data mining models (for example, logistic regression). However, differentially private methods sometimes introduce too much noise and make outputs less useful. Given available public data in medical research (e.g. from patients who sign open-consent agreements), we can design algorithms that use both public and private data sets to decrease the amount of noise that is introduced.
机译：背景技术隐私保护是医学信息学中的重要问题，而差异隐私是数据隐私研究的最新框架。差异隐私为拥有辅助信息的攻击者提供了可证明的隐私，并且可以应用于数据挖掘模型（例如，逻辑回归）。但是，差分私有方法有时会引入过多的噪声并使输出的效用降低。给定医学研究中可用的公共数据（例如来自签署开放同意协议的患者的数据），我们可以设计使用公共和私有数据集来减少引入的噪声的算法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号