系列主旨

在不洩漏個資的前提下完成訓練與推論。

Part 1：差分隱私入門

• 技術：tensorflow-privacy

• 程式碼

  from tensorflow_privacy.privacy.optimizers.dp_optimizer_keras import DPKerasSGDOptimizer
  opt = DPKerasSGDOptimizer(l2_norm_clip=1.0, noise_multiplier=1.1, num_microbatches=64)
  
  

• 流程圖：資料 → 加噪訓練 → 私有化模型

Part 2：同態加密推論

• 技術：tenseal（概念示例）

• 程式碼

  import tenseal as ts
  ctx = ts.context(ts.SCHEME_TYPE.CKKS, poly_modulus_degree=8192, coeff_mod_bit_sizes=[40,21,40])
  
  

• 流程圖：密文輸入 → 加密推論 → 密文輸出

Part 3：安全多方計算（MPC）

• 技術：PySyft（概念）

• 程式碼

  import syft as sy
  # 建立虛擬工作者與安全共享
  
  

• 流程圖：多方資料 → 安全協議 → 聯合訓練

Part 4：法遵與風險評估

• 技術：審計、日誌、風險矩陣
• 流程圖：資料盤點 → 法遵檢核 → 模型釋出

結論與效益：在醫療、金融等敏感領域安全落地 AI。