Logo des Repositoriums
 

Risiken für die Privatheit aufgrund von Maschinellem Lernen

Kurzanzeige
dc.contributor.authorBattis, Verena
dc.contributor.authorGraner, Lukas
dc.contributor.editorReussner, Ralf H.
dc.contributor.editorKoziolek, Anne
dc.contributor.editorHeinrich, Robert
dc.date.accessioned2021-01-27T13:34:23Z
dc.date.available2021-01-27T13:34:23Z
dc.date.issued2021
dc.description.abstractMaschinelle Lernverfahren sind aus unserem Alltag fast nicht mehr wegzudenken -selbstlernende Verfahren finden bereits in nahezu allen Bereichen des Lebens Anwendung. In vielen Fällen werden dabei auch private und/oder sensible Informationen verarbeitet. Da selbstlernende Verfahren in der Regel auf sich nicht überschneidenden Datenmengen trainiert und später angewendet werden, ging man lange davon aus, dass es nicht möglich sei, vom finalen Modell Rückschlüsse auf die zum Training verwendeten Daten zu ziehen. Ergebnissen aus der jüngeren Forschung demonstrieren jedoch, dass es sich bei dieser Annahme um einen Trugschluss handelt. Die vorliegende Arbeit erläutert welche Risiken sich für die Privatheit des Einzelnen im Rahmen von maschinellen Lernverfahren ergeben und wie dem unerwünschten Abgreifen von sensiblen Informationen bereits in der Trainingsphase entgegen gesteuert werden kann.de
dc.identifier.doi10.18420/inf2020_75
dc.identifier.isbn978-3-88579-701-2
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/34787
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2020
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-307
dc.subjectPrivatheit
dc.subjectPrivatsphäre
dc.subjectRisiken
dc.subjectmaschinelles Lernen
dc.subjectAngriffe
dc.titleRisiken für die Privatheit aufgrund von Maschinellem Lernende
gi.citation.endPage855
gi.citation.startPage841
gi.conference.date28. September - 2. Oktober 2020
gi.conference.locationKarlsruhe
gi.conference.sessiontitleRecht und Technik – Datenschutz im Diskurs

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
C19-3.pdf
Größe:
376.69 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P307 - INFORMATIK 2020 - Back to the Future