【2023新书】实用数据隐私:增强数据的隐私性和安全性，599页pdf

在GDPR和CCPA这样的主要隐私法规和昂贵而臭名昭著的数据泄露之间，从来没有像现在这样大的压力来确保数据隐私。不幸的是，将隐私信息集成到数据系统中仍然很复杂。本指南将使您对现代隐私构建模块有一个基本的了解，如差分隐私、联邦学习和加密计算。基于来之不易的经验教训，本书提供了将突破性的隐私增强技术集成到生产系统中的可靠建议和最佳实践。实用的数据隐私解决了一些重要问题，例如:像GDPR和CCPA这样的隐私法规对我的数据工作流和数据科学用例意味着什么?“匿名数据”到底是什么意思?如何匿名数据?联邦学习和分析是如何工作的?同态加密听起来很棒，但它可以使用了吗?如何比较和选择最佳的隐私保护技术和方法?有没有开源库可以提供帮助?如何确保我的数据科学项目在默认情况下是安全的，在设计上是私有的?我如何与治理和信息安全团队合作，以适当地实施内部政策? * Foreword * Preface *

1. Data Governance and Simple Privacy Approaches

2. Anonymization

3. Building Privacy into Data Pipelines

4. Privacy Attacks

5. Privacy-Aware Machine Learning and Data Science

6. Federated Learning and Data Science

7. Encrypted Computation

8. Navigating the Legal Side of Privacy

9. Privacy and Practicality Considerations

10. Frequently Asked Questions (and Their Answers!)

11. Go Forth and Engineer Privacy!

Index * About the Author