本研究解决了在关键社会领域中日益增长的对隐私保护方法的需求。提出的潜在空间投影(lsp)技术通过机器学习将敏感数据转换为低维抽象形式,实现数据混淆,同时保持模型训练和推理所需的特征。lsp在医疗诊断和金融欺诈检测的实际案例中表现出优越性,准确率达到98.7%,并提供了97.3%的隐私保护,从而在隐私与效用之间实现了良好的平衡。
本研究提出了一种潜在空间投影(lsp)技术,利用机器学习将敏感数据转化为低维抽象形式,实现了98.7%的准确率和97.3%的隐私保护,成功平衡了隐私与效用的需求。
本研究解决了在关键社会领域中日益增长的对隐私保护方法的需求。提出的潜在空间投影(lsp)技术通过机器学习将敏感数据转换为低维抽象形式,实现数据混淆,同时保持模型训练和推理所需的特征。lsp在医疗诊断和金融欺诈检测的实际案例中表现出优越性,准确率达到98.7%,并提供了97.3%的隐私保护,从而在隐私与效用之间实现了良好的平衡。
本研究提出了一种潜在空间投影(lsp)技术,利用机器学习将敏感数据转化为低维抽象形式,实现了98.7%的准确率和97.3%的隐私保护,成功平衡了隐私与效用的需求。