| FindBook |
|
有 82 項符合
小峰的圖書，這是第 3 頁 |
 |
$ 225 電子書 | Heartful Vol.5 / 小峰ひなた 小栗杏奈
作者：小峰ひなた|小栗杏奈|ｾﾞﾛﾜﾝｽﾀｲﾙ 出版社：ZERO ONE STYLE.inc 出版日期：2023-10-25 語言：日文  Readmoo - AV女優
- 來源網頁 |
 |
$ 225 電子書 | Heartful Vol.5 / 小峰ひなた 小栗杏奈 (電子書)
出版日期：2023-10-25  博客來 - 性感寫真
- 來源網頁 |
| |
$ 225 電子書 | Heartful Vol.6 / 小峰ひなた 須真杏里 (電子書)
出版日期：2023-10-25 博客來 - 性感寫真
- 來源網頁 |
 |
$ 225 電子書 | 【桃尻】beautiful hip Vol.2 / 小峰杏子
作者：小峰杏子|ﾀﾞｲﾅﾏｲﾄﾁｬﾝﾈﾙ 出版社：ZERO ONE STYLE.inc 出版日期：2023-10-04 語言：日文 Readmoo - AV女優
- 來源網頁 |
 |
$ 225 電子書 | 【桃尻】beautiful hip Vol.1 / 小峰杏子
作者：小峰杏子|ﾀﾞｲﾅﾏｲﾄﾁｬﾝﾈﾙ 出版社：ZERO ONE STYLE.inc 出版日期：2023-10-04 語言：日文 Readmoo - AV女優
- 來源網頁 |
| |
$ 225 電子書 | 【桃尻】beautiful hip Vol.1 / 小峰杏子 (電子書)
出版日期：2023-10-04 博客來 - 性感寫真
- 來源網頁 |
| |
$ 225 電子書 | 【桃尻】beautiful hip Vol.2 / 小峰杏子 (電子書)
出版日期：2023-10-04 博客來 - 性感寫真
- 來源網頁 |
 |
$ 65 電子書 | フェチ外来-コスプレ-Vol.6小峰千奈
作者：ﾌｪﾁ外来 出版社：ZERO ONE STYLE.inc 出版日期：2023-09-20 語言：日文 Readmoo - AV女優
- 來源網頁 |
| |
$ 65 電子書 | フェチ外来-コスプレ-Vol.6小峰千奈 (電子書)
出版日期：2023-09-20 博客來 - 性感寫真
- 來源網頁 |
 |
$ 65 電子書 | 小峰はる-フェチ外来-コスプレ-Vol.3-【美女・エロティックアダルト写真集】
作者：ﾌｪﾁ外来 出版社：ZERO ONE STYLE.inc 出版日期：2023-09-13 語言：日文 Readmoo - AV女優
- 來源網頁 |
| |
$ 65 電子書 | 小峰はる-フェチ外来-コスプレ-Vol.3-【美女・エロティックアダルト写真集】 (電子書)
出版日期：2023-09-13 博客來 - 性感寫真
- 來源網頁 |
 |
$ 421 | 數據隱私與數據治理：概念與技術
作者：孟小峰 出版社：機械工業出版社 出版日期：2023-07-01 語言：簡體中文 規格：精裝 / 185頁 / 19 x 26 x 2.59 cm / 普通級/ 1-1 博客來 - 工程技術
- 來源網頁  看圖書介紹
|
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：數據隱私與數據治理：概念與技術
內容簡介
本書以《中華人民共和國數據安全法》和《中華人民共和國個人資訊保護法》為背景，旨在從概念和技術的角度對數據隱私與數據治理進行系統概述。首篇從歷史與系統的角度介紹數據隱私與數據治理的基礎，後三篇分別側重大規模數據收集、機器學習，以及數據治理中的隱私問題，介紹其相應的技術基礎，總結當下的關鍵問題與技術方案。本書從全新的數據生態的角度介紹數據隱私與數據治理，在內容介紹上，以技術與算法的講解為主，輔以案例，詳略得當。
目錄
前言
第一篇 基礎知識
第1章 緒論2
1.1數據隱私的產生2
1.1.1社會發展視角下的隱私3
1.1.2數據發展視角下的隱私6
1.2數據隱私技術7
1.2.1模糊技術7
1.2.2擾動技術8
1.2.3加密技術9
1.2.4混合隱私技術10
1.2.5分散式運算框架11
1.2.6區塊鏈技術12
1.2.7技術的比較12
1.3數據隱私面臨的挑戰13
1.3.1大數據隱私挑戰13
1.3.2人工智慧隱私挑戰15
1.3.3數據治理挑戰16
1.4小結18
參考文獻19
第2章 數據隱私的概念21
2.1引言21
2.2數據隱私的定義與特徵22
2.2.1數據隱私的定義22
2.2.2數據隱私的基本特徵22
2.2.3數據隱私和資訊安全的區別22
2.3數據隱私的分類24
2.3.1數據隱私的構成要素24
2.3.2顯式隱私與隱式隱私24
2.3.3數據隱私保護場景26
2.4數據隱私的框架29
2.4.1隱私風險監測31
2.4.2隱私風險評估31
2.4.3隱私主動管理32
2.4.4隱私溯源問責32
2.4.5法律法規保障33
2.5小結34
參考文獻34
第3章 數據治理的概念36
3.1引言36
3.2數據治理的體系38
3.3數據治理的法律法規39
3.4數據治理的實踐42
3.5小結43
參考文獻43
第二篇 大數據隱私保護技術
第4章 差分隱私方法46
4.1基礎知識46
4.1.1基本定義47
4.1.2基礎性質48
4.1.3常用擾動機制50
4.1.4應用場景53
4.2面向數據發佈的隱私保護53
4.2.1長條圖數據發佈54
4.2.2劃分發佈58
4.3面向數據分析的隱私保護61
4.3.1分類分析61
4.3.2頻繁模式挖掘62
4.3.3回歸分析63
4.4小結65
參考文獻65
第5章 當地語系化差分隱私方法68
5.1基礎知識69
5.1.1基本定義69
5.1.2基礎性質70
5.1.3常用擾動機制71
5.1.4應用場景72
5.2基於簡單數據集的隱私保護74
5.2.1頻率統計74
5.2.2均值統計75
5.3基於複雜數據集的隱私保護77
5.3.1鍵值對數據的收集與發佈78
5.3.2圖數據的收集與發佈81
5.3.3時序數據的收集與發佈84
5.4小結86
參考文獻87
第6章 差分隱私與實用性89
6.1引言90
6.2隱私放大理論與方法91
6.2.1基於二次採樣的隱私放大方法91
6.2.2基於混洗的隱私放大方法93
6.2.3其他隱私放大方法95
6.3差分隱私與密碼學方法的結合95
6.3.1密碼學方法改進差分隱私效用95
6.3.2差分隱私改進密碼學協定效率100
6.4一種隱私實用化框架103
6.4.1ESA框架與定義103
6.4.2ESA中的隱私放大107
6.4.3混洗差分隱私方法108
6.5小結111
參考文獻111
第三篇 人工智慧隱私保護技術
第7章 機器學習中的隱私保護116
7.1引言117
7.2機器學習的隱私保護119
7.2.1同態加密119
7.2.2差分隱私119
7.3統計學習的隱私保護120
7.4深度學習的隱私保護124
7.4.1隱私演算法設計124
7.4.2隱私風險分析125
7.5小結127
參考文獻127
第8章 聯邦學習中的隱私保護129
8.1引言129
8.2隱私保護的聯邦學習架構133
8.3基於差分隱私的聯邦學習135
8.4基於安全聚合的聯邦學習136
8.5個性化隱私保護與聯邦學習138
8.5.1個性化隱私保護139
8.5.2個性化隱私保護的聯邦學習141
8.6小結142
參考文獻142
第四篇 數據生態與數據治理
第9章 數據要素市場146
9.1引言146
9.2數據交易148
9.2.1免費交易框架148
9.2.2付費交易框架149
9.2.3模型交易框架150
9.3數據流通152
9.4小結154
參考文獻154
第10章 數據壟斷155
10.1引言155
10.2數據壟斷現狀157
10.2.1定義與概念157
10.2.2總體狀況158
10.2.3詳情分析159
10.3數據壟斷的成因與危害160
10.3.1壟斷成因160
10.3.2壟斷危害161
10.4數據壟斷治理模式162
10.4.1局部模式162
10.4.2仲介模式163
10.4.3全域模式164
10.5小結165
參考文獻165
第11章 數據公平166
11.1引言166
11.2對公平的理解167
11.3公平計算方法168
11.3.1蛋糕分割問題168
11.3.2價格歧視問題169
11.3.3演算法偏見問題170
11.3.4數據偏見問題171
11.4小結172
參考文獻172
第12章 數據透明174
12.1引言174
12.2數據透明的概念175
12.3數據透明框架176
12.4基於區塊鏈的數據透明方案178
12.4.1數據獲取與共用透明179
12.4.2數據雲存儲服務透明181
12.4.3數據決策透明183
12.5小結184
第一篇 基礎知識
第1章 緒論2
1.1數據隱私的產生2
1.1.1社會發展視角下的隱私3
1.1.2數據發展視角下的隱私6
1.2數據隱私技術7
1.2.1模糊技術7
1.2.2擾動技術8
1.2.3加密技術9
1.2.4混合隱私技術10
1.2.5分散式運算框架11
1.2.6區塊鏈技術12
1.2.7技術的比較12
1.3數據隱私面臨的挑戰13
1.3.1大數據隱私挑戰13
1.3.2人工智慧隱私挑戰15
1.3.3數據治理挑戰16
1.4小結18
參考文獻19
第2章 數據隱私的概念21
2.1引言21
2.2數據隱私的定義與特徵22
2.2.1數據隱私的定義22
2.2.2數據隱私的基本特徵22
2.2.3數據隱私和資訊安全的區別22
2.3數據隱私的分類24
2.3.1數據隱私的構成要素24
2.3.2顯式隱私與隱式隱私24
2.3.3數據隱私保護場景26
2.4數據隱私的框架29
2.4.1隱私風險監測31
2.4.2隱私風險評估31
2.4.3隱私主動管理32
2.4.4隱私溯源問責32
2.4.5法律法規保障33
2.5小結34
參考文獻34
第3章 數據治理的概念36
3.1引言36
3.2數據治理的體系38
3.3數據治理的法律法規39
3.4數據治理的實踐42
3.5小結43
參考文獻43
第二篇 大數據隱私保護技術
第4章 差分隱私方法46
4.1基礎知識46
4.1.1基本定義47
4.1.2基礎性質48
4.1.3常用擾動機制50
4.1.4應用場景53
4.2面向數據發佈的隱私保護53
4.2.1長條圖數據發佈54
4.2.2劃分發佈58
4.3面向數據分析的隱私保護61
4.3.1分類分析61
4.3.2頻繁模式挖掘62
4.3.3回歸分析63
4.4小結65
參考文獻65
第5章 當地語系化差分隱私方法68
5.1基礎知識69
5.1.1基本定義69
5.1.2基礎性質70
5.1.3常用擾動機制71
5.1.4應用場景72
5.2基於簡單數據集的隱私保護74
5.2.1頻率統計74
5.2.2均值統計75
5.3基於複雜數據集的隱私保護77
5.3.1鍵值對數據的收集與發佈78
5.3.2圖數據的收集與發佈81
5.3.3時序數據的收集與發佈84
5.4小結86
參考文獻87
第6章 差分隱私與實用性89
6.1引言90
6.2隱私放大理論與方法91
6.2.1基於二次採樣的隱私放大方法91
6.2.2基於混洗的隱私放大方法93
6.2.3其他隱私放大方法95
6.3差分隱私與密碼學方法的結合95
6.3.1密碼學方法改進差分隱私效用95
6.3.2差分隱私改進密碼學協定效率100
6.4一種隱私實用化框架103
6.4.1ESA框架與定義103
6.4.2ESA中的隱私放大107
6.4.3混洗差分隱私方法108
6.5小結111
參考文獻111
第三篇 人工智慧隱私保護技術
第7章 機器學習中的隱私保護116
7.1引言117
7.2機器學習的隱私保護119
7.2.1同態加密119
7.2.2差分隱私119
7.3統計學習的隱私保護120
7.4深度學習的隱私保護124
7.4.1隱私演算法設計124
7.4.2隱私風險分析125
7.5小結127
參考文獻127
第8章 聯邦學習中的隱私保護129
8.1引言129
8.2隱私保護的聯邦學習架構133
8.3基於差分隱私的聯邦學習135
8.4基於安全聚合的聯邦學習136
8.5個性化隱私保護與聯邦學習138
8.5.1個性化隱私保護139
8.5.2個性化隱私保護的聯邦學習141
8.6小結142
參考文獻142
第四篇 數據生態與數據治理
第9章 數據要素市場146
9.1引言146
9.2數據交易148
9.2.1免費交易框架148
9.2.2付費交易框架149
9.2.3模型交易框架150
9.3數據流通152
9.4小結154
參考文獻154
第10章 數據壟斷155
10.1引言155
10.2數據壟斷現狀157
10.2.1定義與概念157
10.2.2總體狀況158
10.2.3詳情分析159
10.3數據壟斷的成因與危害160
10.3.1壟斷成因160
10.3.2壟斷危害161
10.4數據壟斷治理模式162
10.4.1局部模式162
10.4.2仲介模式163
10.4.3全域模式164
10.5小結165
參考文獻165
第11章 數據公平166
11.1引言166
11.2對公平的理解167
11.3公平計算方法168
11.3.1蛋糕分割問題168
11.3.2價格歧視問題169
11.3.3演算法偏見問題170
11.3.4數據偏見問題171
11.4小結172
參考文獻172
第12章 數據透明174
12.1引言174
12.2數據透明的概念175
12.3數據透明框架176
12.4基於區塊鏈的數據透明方案178
12.4.1數據獲取與共用透明179
12.4.2數據雲存儲服務透明181
12.4.3數據決策透明183
12.5小結184
|
