会员服务
Engineering · Principle · INFORMS · Information Systems · 流形 ·
4 月 4 日
Privacy Engineering From Principles to Practice: A Roadmap
翻译：暂无翻译
Frank Pallas,Katharina Koerner,Isabel Barberá,Jaap-Henk Hoepman,Meiko Jensen,Nandita Rao Narla,Nikita Samarin,Max-R. Ulbricht,Isabel Wagner,Kim Wuyts,Christian Zimmermann
Frank Pallas,Katharina Koerner,Isabel Barberá,Jaap-Henk Hoepman,Meiko Jensen,Nandita Rao Narla,Nikita Samarin,Max-R. Ulbricht,Isabel Wagner,Kim Wuyts,Christian Zimmermann

Privacy engineering is gaining momentum in industry and academia alike. So far, manifold low-level primitives and higher-level methods and strategies have successfully been established. Still, fostering adoption in real-world information systems calls for additional aspects to be consciously considered in research and practice.


翻译：暂无翻译
0
下载
关闭预览

相关内容

《工程》是中国工程院（CAE）于2015年推出的国际开放存取期刊。其目的是提供一个高水平的平台，传播和分享工程研发的前沿进展、当前主要研究成果和关键成果；报告工程科学的进展，讨论工程发展的热点、兴趣领域、挑战和前景，在工程中考虑人与环境的福祉和伦理道德，鼓励具有深远经济和社会意义的工程突破和创新，使之达到国际先进水平，成为新的生产力，从而改变世界，造福人类，创造新的未来。 期刊链接：https://www.sciencedirect.com/journal/engineering
UCM《机器学习导论笔记》，80页pdf CSE176 Introduction to Machine Learning
专知会员服务
29+阅读 · 2021年9月29日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
76+阅读 · 2020年7月26日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
25+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
57+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
71+阅读 · 2016年11月26日
城市“建成环境——空间行为”的多尺度影响关系与机理研究
国家自然科学基金
5+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
1+阅读 · 2015年12月31日
DMB信号水汽探测方法若干问题研究
国家自然科学基金
0+阅读 · 2015年12月31日
Volterra积分微分方程的多区间Chebyshev和Legendre谱配置法
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
0+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
关于 Finsler 流形上调和映射与 Laplacian 的若干问题研究
国家自然科学基金
1+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
Poisson流形上的修正Hamilton方法
国家自然科学基金
0+阅读 · 2014年12月31日
海量Web用户生成内容物化关键技术
国家自然科学基金
1+阅读 · 2014年12月31日
Large Language Models for Information Retrieval: A Survey
Large Language Models for Information Retrieval: A Survey
Arxiv
12+阅读 · 2023年8月15日
Expanding Accurate Person Recognition to New Altitudes and Ranges: The BRIAR Dataset
Expanding Accurate Person Recognition to New Altitudes and Ranges: The BRIAR Dataset
Arxiv
16+阅读 · 2022年11月3日
Meta Learning for Natural Language Processing: A Survey
Meta Learning for Natural Language Processing: A Survey
Arxiv
13+阅读 · 2022年5月3日
Transformers in Medical Imaging: A Survey
Arxiv
15+阅读 · 2022年1月24日
Recent Advances and Trends in Multimodal Deep Learning: A Review
Arxiv
56+阅读 · 2021年5月24日
CausalVAE: Disentangled Representation Learning via Neural Structural Causal Models
Arxiv
17+阅读 · 2021年3月23日
Graph Neural Network for Traffic Forecasting: A Survey
Arxiv
35+阅读 · 2021年1月27日
Explainability in Graph Neural Networks: A Taxonomic Survey
Arxiv
51+阅读 · 2020年12月31日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
SpectralNet: Spectral Clustering using Deep Neural Networks
Arxiv
11+阅读 · 2018年1月10日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Engineering
Principle
INFORMS
Information Systems
流形
相关VIP内容
UCM《机器学习导论笔记》，80页pdf CSE176 Introduction to Machine Learning
专知会员服务
29+阅读 · 2021年9月29日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
76+阅读 · 2020年7月26日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
25+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
57+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
71+阅读 · 2016年11月26日
相关论文
Large Language Models for Information Retrieval: A Survey
Large Language Models for Information Retrieval: A Survey
Arxiv
12+阅读 · 2023年8月15日
Expanding Accurate Person Recognition to New Altitudes and Ranges: The BRIAR Dataset
Expanding Accurate Person Recognition to New Altitudes and Ranges: The BRIAR Dataset
Arxiv
16+阅读 · 2022年11月3日
Meta Learning for Natural Language Processing: A Survey
Meta Learning for Natural Language Processing: A Survey
Arxiv
13+阅读 · 2022年5月3日
Transformers in Medical Imaging: A Survey
Arxiv
15+阅读 · 2022年1月24日
Recent Advances and Trends in Multimodal Deep Learning: A Review
Arxiv
56+阅读 · 2021年5月24日
CausalVAE: Disentangled Representation Learning via Neural Structural Causal Models
Arxiv
17+阅读 · 2021年3月23日
Graph Neural Network for Traffic Forecasting: A Survey
Arxiv
35+阅读 · 2021年1月27日
Explainability in Graph Neural Networks: A Taxonomic Survey
Arxiv
51+阅读 · 2020年12月31日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
SpectralNet: Spectral Clustering using Deep Neural Networks
Arxiv
11+阅读 · 2018年1月10日
相关基金
城市“建成环境——空间行为”的多尺度影响关系与机理研究
国家自然科学基金
5+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
1+阅读 · 2015年12月31日
DMB信号水汽探测方法若干问题研究
国家自然科学基金
0+阅读 · 2015年12月31日
Volterra积分微分方程的多区间Chebyshev和Legendre谱配置法
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
0+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
关于 Finsler 流形上调和映射与 Laplacian 的若干问题研究
国家自然科学基金
1+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
Poisson流形上的修正Hamilton方法
国家自然科学基金
0+阅读 · 2014年12月31日
海量Web用户生成内容物化关键技术
国家自然科学基金
1+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员
Top