Privacidad de datos
Explora 29 términos de IA en Privacidad de Datos
Anonimización
La anonimización es el proceso de eliminar identificadores personales de los datos para proteger la privacidad individual.
Presupuesto de Privacidad del Cliente
CPBUn Presupuesto de Privacidad del Cliente es un marco para gestionar la privacidad de los datos de los usuarios durante el entrenamiento y despliegue de IA.
Aprendizaje del lado del cliente
CSLClient-Side Learning involves processing and learning from data directly on a user's device.
Anonimización de Datos
La anonimización de datos es el proceso de eliminar o alterar información personal para proteger la privacidad mientras se mantiene la utilidad de los datos.
Corredor de Datos
Los corredores de datos recopilan, analizan y venden datos personales de diversas fuentes.
Minimalismo de Datos
DMEl minimalismo de datos es la práctica de recopilar y usar solo los datos esenciales para la toma de decisiones y análisis.
Obfuscación de datos
La obfuscación de datos es una técnica utilizada para proteger información sensible haciendo que sea ininteligible o difícil de interpretar.
Privacidad de datos
La privacidad de datos se refiere a la gestión y protección de información personal contra accesos no autorizados y uso indebido.
Retención de datos
La retención de datos se refiere a las políticas y prácticas relacionadas con el almacenamiento y gestión de datos a lo largo del tiempo.
Desidentificación
La desidentificación es el proceso de eliminar u ocultar información personal de conjuntos de datos.
Privacidad diferencial
DPLa privacidad diferencial es un marco matemático que garantiza la privacidad de los datos individuales mientras permite el análisis de datos.
Huella Digital
DFLa huella digital es una técnica utilizada para identificar y rastrear dispositivos basándose en características únicas del dispositivo.
Métrica de exposición
MEUna métrica de exposición cuantifica el riesgo o el impacto potencial de los modelos de IA en datos sensibles y la privacidad del usuario.
Promediado Federado
FedAvgLa promediación federada es una técnica de aprendizaje automático descentralizado que agrega actualizaciones del modelo de varios dispositivos sin compartir datos.
Algoritmo de Promediado Federado
FedAvgEl Algoritmo de Promediado Federado es un método para entrenar modelos de aprendizaje automático en dispositivos descentralizados sin compartir datos en bruto.
IA en Salud Federada
FH-AILa IA Federada en Atención Médica permite el aprendizaje automático colaborativo entre múltiples instituciones de salud sin compartir datos sensibles.
Aprendizaje Federado
FLEl aprendizaje federado es un enfoque de aprendizaje automático que entrena algoritmos en dispositivos descentralizados sin compartir datos en crudo.
K-Anonimato
K-AnonEl K-Anonimato es una técnica de protección de la privacidad que garantiza que las personas no puedan ser re-identificadas en conjuntos de datos.
L-Diversidad
L-DL-Diversity es una técnica de privacidad de datos que protege la información sensible asegurando una diversidad de atributos sensibles en los conjuntos de datos.
Sensibilidad Local
LSLa sensibilidad local mide cómo un pequeño cambio en la entrada afecta la salida de una función, a menudo utilizada en privacidad de datos.
Inversión de modelos
IMLa inversión de modelos es una técnica utilizada para extraer datos sensibles de modelos de aprendizaje automático.
Rastreo en línea
El seguimiento en línea se refiere a la recopilación y análisis de datos de usuarios mientras navegan por internet.
Detección de PII
PIILa detección de PII identifica y protege la información personal identificable en los datos.
IA que Preserva la Privacidad
PPAISistemas de IA diseñados para proteger los datos del usuario y mantener la confidencialidad durante el procesamiento y análisis.
Redacción
La redacción es el proceso de editar un texto para eliminar información sensible antes de su publicación.
Agregación Segura
SAUn método que permite a varias partes calcular datos agregados sin revelar contribuciones individuales.
Computación Segura de Múltiples Partes
SMPCLa Computación Segura de Múltiples Partes permite que las partes calculen datos conjuntamente mientras mantienen sus entradas privadas.
Aprendizaje dividido
SLEl aprendizaje dividido es un enfoque colaborativo de aprendizaje automático que divide el proceso de entrenamiento entre varias partes.