鐵人檔案
傳統機器學習中常見的隱私問題是在訓練過程中使用到公開資料集
而資料中的敏感個人資料（例如：個人信用狀況）通常都會被禁止存取
已經有可行的隱私保護技術可以克服這一障礙，分散式訓練將計算分配給參與訓練的所有資料擁有者以確保資料隱私，也帶來了新的隱私複雜性和風險
去中心化分散式身份識(DIDs)是一種數位標識符。目標是在Web3時代提供使用者自行管理數位身分，使資料的掌控權回歸使用者，使用者可以完全掌控自己的訊息，並且得...
在聯邦學習(Federated Learning, FL)場景中，機器學習(Machine Learning)模型所有者能夠將他們的模型發送給資料持有者進行訓練...
在針對攻擊而使用增強安全性和隱私功能的機器學習(ML)演算法時，會對效率產生影響，因此最終生成的預測與相關任務無關，並且通常也對精度(Accuracy)產生重大...
共享有價值的業務資料不是一種好選擇 大型資料集中於少數大型機構，目前的資料開放(Open Data)沒有很好的共享機制。 私有的資料：共享？ 監管的資料：使...
從機器學習(ML)的重要性和相關的隱私風險，產生了一個新的領域「隱私保護機器學習(Privacy-Preserving Machine Learning, PP...
近年來，機器學習(ML)迅速地發展，給人們帶來便利的同時，也帶來極大的安全隱患。 機器學習(ML)模型的訓練和預測均是基於大量的資料，而資料中可能包含敏感或隱私...
DIDComm協定由分散式身分識別基金會(Decentralized Identity Foundation, DIF)開發。 Hyperledger Arie...
加密基礎設施(Cryptographic Infrastructure) PKI需依賴第三方加密基礎設施，例如：數位憑證認證機構(Certificate Aut...
自簽章憑證標識符(The Self-Certifying Identifier)的問題 增加了成本和摩擦 單點故障 (Single Point of Fail...
