CREST [S5基盤ソフト]

安全性と有用性の保証のある
ヘルスケア匿名コホート基盤

OpenDP リンク

ツール

プロジェクトのウェブサイト

差分プライバシー

[英語] OpenDPは、ハーバード大学の計算と社会に関する研究センターによるプロジェクト。
[英語] Opacusは、FacebookのML サービス用の DP ライブラリ。
[英語] DPCompは、最先端の差分プライベートアルゴリズムの精度を評価するために設計されたツールであり、コルゲート大学の Michael Hay、デューク大学のAshwin Machanavajjhala 、およびマサチューセッツ大学のGerome Miklauによって開発された。
[英語] Datatagは、機密データを標準化された責任ある方法で共有および使用するのを支援するツールであり、ハーバード大学の計算と社会に関する研究センターによって開発された。
[英語] PSIは、個人データを保護された Dataverse アーカイブにアップロード、そのデータについて公開する統計値を算出、それらの統計値のプライバシー保護バージョンをリポジトリに公開、インタラクティブなクエリの実行を可能にする。これは、研究データを共有するためのプライバシーツールプロジェクトによって開発された。

Github リポジトリ

差分プライバシー

[英語] Tensorflow Privacyは、Google によって開発、およびリリースされた ML フレームワーク。これは、Steve ChienとNicolas Papernot によって保守されている。
[英語] Diffprivlibbは、IBM の Naoise Holohan, Stefano Braghin, Pól Mac Aonghusa, Killian Levacherによって開発されたもので、機械学習タスクにおける差分プライバシーを強化を提供する。
[英語] OpendDP Pytorchは、pytorch ニューラルネットワークの差分プライベート学習用の OpenDP ライブラリの拡張機能です。 OpenDP.orgによって開発された。
[英語] DPcreatorは、差分プライベート統計の作成をユーザーにガイドする Web アプリケーションである。 OpenDP.orgによって開発された。
[英語] Differential Privacy Datasetsは、差分プライバシーをテストするためのデータセット。 OpenDP.orgによって開発された。
[英語] The Discrete Gaussian for Differential Privacyこのリポジトリは、 Clément Canonne, Gautam Kamath、およびThomas Steinkeによって書かれた論文「"The Discrete Gaussian for Differential Privacy"」を複製している。
[英語] OpenMined 安全に分散化されたプライバシーを保護する機械学習とデータサイエンスのためのP2Pプラットフォーム、およびプライバシーを保護する NLP フレームワークに焦点を当てたコミュニティ。 OpenMinedによって開発される。
[英語] Ekteloは、プログラマーが実用性の高い差分プライベートをプログラムを開発するのを支援するフレームワークおよびシステムである。「"EKTELO: A Framework for Defining Differentially-Private Computations"」で説明されている。

ローカル差分プライバシー

[英語] Google RAPPORでは、個々のユーザーのプライバシーを保護しながら人口に関する統計を推測する。これは、 Google オープンソースによって開発されている。本方式については、 Google Open Source. The method is described in RAPPOR: Randomized Aggregatable Privacy-Preserving Ordinal Response ( Úlfar Erlingsson, Vasyl Pihur, and Aleksandra Korolova) で説明されている。
[英語] LoPub このリポジトリは、「LoPub : ローカル差分プライバシーを使用英文のまました高次元クラウドソースデータ公開という論文をの複製である。XJTUによって開発された。

教材

ウェブサイトコース

[英語] ウォータールー大学のGautam Kamathが教える差分プライバシーのコース。このコースは、データの差分プライベート分析のアルゴリズムに関するもので、理論的および数学的に基づいている。
[英語] ボストン大学とノースイースタン大学のAdam SmithとJonathan Ullmanがそれぞれ教える統計学と機械学習のプライバシー。このコースでは、機密情報のデータセットから、データセットに含まれる個人情報のプライバシーを提供しながら、データセットからどのように学習できるかを探る。
[英語] Inria のAurélien Belletが教えるプライバシー保護機械学習。このコースでは、データ匿名化スキーム、差分プライバシー、およびローカル差分プライバシーを提供する。
[英語] コロンビア大学のRoxana Geambasuによって教えられたプライベートシステムに河する。このコースでは、これらの責任、課題、およびプライバシーを強化するために使用できる一連のテクノロジについて説明する。
[英語] ボストン大学の Adam Smithが教える Algorithms in Society 。このコースでは、アルゴリズムと自動決定システムのプライバシー、公平性、透明性などの社会的目標を捉えるために、過去数年間に提案されたモデルに注目する。
[英語] プリンストン大学コンピュータサイエンス学部のAleksandra Korolovaが教える、ビッグデータの世界におけるプライバシー。このコースでは、プライバシーの課題について紹介する。
[英語] ハーバードジョン A. 英文のまま James Honaker 、 Salil Vadhan 、 Wanrong Zhangによるデータサイエンスのための応用プライバシー。このコースでは、人間の被験者のデータを研究に利用できるようにする際のプライバシーへのリスクと、差分プライバシーの正式なフレームワークを使用してこれらのリスクから保護する方法について学ぶ。
[英語] ペンシルバニア大学の Aaron Rothが教える、適応型データ分析のアルゴリズムの基礎。このコースでは、データ分析を行う際の過剰適合と誤った発見を軽減する方法を理解するための、数学的なアプローチを学習する。
[英語] ボストン大学の Jonathan Ullmanが教えるデータプライバシーへの厳格なアプローチ。このコースでは、個人のプライバシーを保護しながら、個人に関する機密情報を含むデータセットの分析を可能にするにはどうすればよいかという問いを探究する。
[英語] デューク大学の Ashwin Machanavajjhalaによるプライバシーと学習のための安定したアルゴリズムの設計。このコースでは、差分プライベートアルゴリズムと、プライバシーと学習へのその応用に焦点を当てる。
[英語] ボストン大学の Aaron Rothが教えるゲーム理論とメカニズム設計における差分プライバシー。このコースの目標は、差分プライバシーとメカニズム設計への接続を紹介することである。
[英語] ハーバードジョン A. 英文のままの Salil Vadhan が教えるデータプライバシーへの数学的アプローチ。このコースでは、個人のプライバシーを保護しながら、個人に関する機密情報を含むデータセットの分析を可能にするにはどうすればよいかという質問を探究する。

動画

[英語] ウォータールー大学の Gautam Kamath による差分プライバシーのコース。このコースは、データの差分プライベート分析のアルゴリズムに関するもので、理論的および数学的に基事づく。
[英語] Harvard John A. Paulson School of Engineering & Applied Sciences の Salil Vadhanによるビデオ、プライバシーに対するリスクと、差分プライバシーを適用する方法について説明する。
[英語] The U.S. Census Bureau Tries to be a Good Data Steward in the 21st Century by John M. Abowd by United States Census Bureau. 彼は、2020 年の国勢調査と将来のデータ製品のために差別化されたプライベート保護システムを作成するための機関の取り組みを主導している。
[英語] UC San Diego の Kamalika Chaudhuriとニュージャージー州立大学の Anand D. Sarwateによる差別的プライベート機械学習。このビデオは、差分プライバシーのチュートリアル。
[英語] 連合統計プログラムでプライバシーを保護するための課題と新しいアプローチ: National Academic of Sciences が主催するワークショップ。このワークショップでは、例として、差分プライバシーに関するチュートリアル、複数のテーブルに表示されたデータから個人レベルのデータを再構築する方法、オーストラリアの匿名化によるメディケアデータの公用などについて説明する。