Logo des Repositoriums
 

Privatsphärefreundliches maschinelles Lernen

Kurzanzeige
dc.contributor.authorStock, Joshua
dc.contributor.authorPetersen, Tom
dc.contributor.authorBehrendt, Christian-Alexander
dc.contributor.authorFederrath, Hannes
dc.contributor.authorKreutzburg, Thea
dc.date.accessioned2022-04-28T10:18:55Z
dc.date.available2022-04-28T10:18:55Z
dc.date.issued2022
dc.description.abstractMaschinelle Lernverfahren finden seit einigen Jahren in immer mehr Bereichen vielfältige Anwendung, wodurch die Relevanz der dabei verwendeten Techniken deutlich wird. Unter dem Begriff des maschinellen Lernens (ML, oft auch „künstliche Intelligenz“) existieren zahlreiche Algorithmen, die unterschiedliche Komplexität und verschiedene Eigenschaften mit sich bringen. Für das Training dieser Algorithmen sind meist große Mengen an Daten notwendig. Insbesondere bei der Verwendung von personenbezogenen Daten stellen sich hierbei Fragen rund um den Datenschutz und die Privatsphäre von Betroffenen. Dies ist der erste Teil eines zweiteiligen Artikels zum Thema privatsphärefreundliches ML. Dieser erste Teil bietet einen leicht verständlichen Einstieg in das Thema des ML und geht dabei auf die wichtigsten Grundbegriffe ein. Außerdem werden einige der meistverwendeten ML-Verfahren, wie Entscheidungsbäume und neuronale Netze, vorgestellt. Im zweiten Teil, der in der kommenden Ausgabe des Informatik Spektrums erscheint, werden Privatsphäreangriffe und datenschutzfördernde Maßnahmen im Kontext von ML behandelt.de
dc.identifier.doi10.1007/s00287-022-01438-3
dc.identifier.pissn1432-122X
dc.identifier.urihttp://dx.doi.org/10.1007/s00287-022-01438-3
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/38608
dc.publisherSpringer
dc.relation.ispartofInformatik Spektrum: Vol. 45, No. 2
dc.relation.ispartofseriesInformatik Spektrum
dc.titlePrivatsphärefreundliches maschinelles Lernende
dc.typeText/Journal Article
gi.citation.endPage79
gi.citation.startPage70

Dateien

Sammlungen

Band 45 - Heft 2 (April 2022)