Privacy-Preserving Machine Learning : A use-case-driven approach to building and protecting ML pipelines from privacy and security threats
Sprache: Englisch
Verlag: Packt Publishing, 2024
- Softcover
- Neu
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer:in bei AbeBooks seit 14. August 2006
Zustand: Neu
EUR 81,37
Anzahl: 1 verfügbar
In den WarenkorbArtikelbeschreibung des Verkäufers
nach der Bestellung gedruckt Neuware - Printed after ordering - Gain hands-on experience in data privacy and privacy-preserving machine learning with open-source ML frameworks, while exploring techniques and algorithms to protect sensitive data from privacy breachesKey Features: Understand machine learning privacy risks and employ machine learning algorithms to safeguard data against breaches Develop and deploy privacy-preserving ML pipelines using open-source frameworks Gain insights into confidential computing and its role in countering memory-based data attacks Purchase of the print or Kindle book includes a free PDF Elektronisches BuchBook Description: In an era of evolving privacy regulations, compliance is mandatory for every enterprise Machine learning engineers face the dual challenge of analyzing vast amounts of data for insights while protecting sensitive information This book addresses the complexities arising from large data volumes and the scarcity of in-depth privacy-preserving machine learning expertise, and covers a comprehensive range of topics from data privacy and machine learning privacy threats to real-world privacy-preserving cases As you progress, you'll be guided through developing anti-money laundering solutions using federated learning and differential privacy Dedicated sections will explore data in-memory attacks and strategies for safeguarding data and ML models You'll also explore the imperative nature of confidential computation and privacy-preserving machine learning benchmarks, as well as frontier research in the field Upon completion, you'll possess a thorough understanding of privacy-preserving machine learning, equipping them to effectively shield data from real-world threats and attacksWhat You Will Learn: Study data privacy, threats, and attacks across different machine learning phases Explore Uber and Apple cases for applying differential privacy and enhancing data security Discover IID and non-IID data sets as well as data categories Use open-source tools for federated learning (FL) and explore FL algorithms and benchmarks Understand secure multiparty computation with PSI for large data Get up to speed with confidential computation and find out how it helps data in memory attacksWho this book is for: This comprehensive guide is for data scientists, machine learning engineers, and privacy engineers Prerequisites include a working knowledge of mathematics and basic familiarity with at least one ML framework (TensorFlow, PyTorch, or scikit-learn) Practical examples will help you elevate your expertise in privacy-preserving machine learning techniquesTable of Contents Introduction to Data Privacy, Privacy threats and breaches Machine Learning Phases and privacy threats/attacks in each phase Overview of Privacy Preserving Data Analysis and Introduction to Differential Privacy Differential Privacy Algorithms, Pros and Cons Developing Applications with Different Privacy using open source frameworks Need for Federated Learning and implementing Federated Learning using open source frameworks Federated Learning benchmarks, startups and next opportunity Homomorphic Encryption and Secure Multiparty Computation Confidential computing - what, why and current state Privacy Preserving in Large Language Models.…
Bestandsnummer des Verkäufers 9781800564671
- Titel
- Privacy-Preserving Machine Learning : A use-case-driven approach to building and protecting ML pipelines from privacy and security threats
- Autor
- Srinivasa Rao Aravilli
- Verlag
- Packt Publishing
- Erscheinungsjahr
- 2024
- Zustand
- Neu
- Einband
- Taschenbuch
- Sprache
- Englisch
- ISBN-10
- 1800564678
- ISBN-13
- 9781800564671
- Artikelgewicht
- 748 Gramm
- Abmessungen
- 235x191x22 mm
Gain hands-on experience in data privacy and privacy-preserving machine learning with open-source ML frameworks, while exploring techniques and algorithms to protect sensitive data from privacy breaches
Key Features
- Understand machine learning privacy risks and employ machine learning algorithms to safeguard data against breaches
- Develop and deploy privacy-preserving ML pipelines using open-source frameworks
- Gain insights into confidential computing and its role in countering memory-based data attacks
- Purchase of the print or Kindle book includes a free PDF eBook
Book Description
– In an era of evolving privacy regulations, compliance is mandatory for every enterprise
– Machine learning engineers face the dual challenge of analyzing vast amounts of data for insights while protecting sensitive information
– This book addresses the complexities arising from large data volumes and the scarcity of in-depth privacy-preserving machine learning expertise, and covers a comprehensive range of topics from data privacy and machine learning privacy threats to real-world privacy-preserving cases
– As you progress, you’ll be guided through developing anti-money laundering solutions using federated learning and differential privacy
– Dedicated sections will explore data in-memory attacks and strategies for safeguarding data and ML models
– You’ll also explore the imperative nature of confidential computation and privacy-preserving machine learning benchmarks, as well as frontier research in the field
– Upon completion, you’ll possess a thorough understanding of privacy-preserving machine learning, equipping them to effectively shield data from real-world threats and attacks
What you will learn
- Study data privacy, threats, and attacks across different machine learning phases
- Explore Uber and Apple cases for applying differential privacy and enhancing data security
- Discover IID and non-IID data sets as well as data categories
- Use open-source tools for federated learning (FL) and explore FL algorithms and benchmarks
- Understand secure multiparty computation with PSI for large data
- Get up to speed with confidential computation and find out how it helps data in memory attacks
Who this book is for
– This comprehensive guide is for data scientists, machine learning engineers, and privacy engineers
– Prerequisites include a working knowledge of mathematics and basic familiarity with at least one ML framework (TensorFlow, PyTorch, or scikit-learn)
– Practical examples will help you elevate your expertise in privacy-preserving machine learning techniques
Table of Contents
- Introduction to Data Privacy, Privacy threats and breaches
- Machine Learning Phases and privacy threats/attacks in each phase
- Overview of Privacy Preserving Data Analysis and Introduction to Differential Privacy
- Differential Privacy Algorithms, Pros and Cons
- Developing Applications with Different Privacy using open source frameworks
- Need for Federated Learning and implementing Federated Learning using open source frameworks
- Federated Learning benchmarks, startups and next opportunity
- Homomorphic Encryption and Secure Multiparty Computation
- Confidential computing - what, why and current state
- Privacy Preserving in Large Language Models
„Inhaltsangabe“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Über die Autorin bzw. den Autor
Srinivas Rao Aravilli has 25 years of experience in research and development of software products across various domains (search, ML/AI, distributed computing, privacy, and security). He is a speaker in several technical conferences related to Responsible AI, AIOps, Privacy Engineering, and distributed computing/processing. He published research papers in various journals related to Apache spark, SGX enclaves, SoA, ML/AI. Srinivas graduated with a master's degree in computer applications from Andhra University in 1997. His work history includes the likes of Cisco, Hewlett Packard, BEA, Interwoven. He resides in Bangalore with his wife and two children. Currently he is working as a director, data and AI Platform in Visa.
„Über diesen Titel“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
AHA-BUCH GmbH
Einbeck, Deutschland
Verkäufer:in bei AbeBooks seit 14. August 2006
Versandkosten von Deutschland nach USA
| Artikel | 7 bis 10 Werktage | 5 bis 7 Werktage |
|---|---|---|
| Erster Artikel | EUR 35,00 | EUR 45,00 |
Zahlungsarten
- Banküberweisung
- PayPal
- Vorauskasse
Shopbeschreibung
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Spezialisierung
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumUnternehmensdaten der Verkäuferin bzw. des Verkäufers
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Deutschland 37574
Verkaufsbedingungen
Impressum
Gesetzliche Anbieterkennung:
AHA-BUCH GmbH
diese vertreten durch den Geschäftsführer Christel Glass
Garlebsen 48
37574 Einbeck
Deutschland
Telefon: 055639996039
Telefax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
eingetragen im Handelsregister des Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Alternative Streitbeilegung:
Die Europäische Kommission stellt eine Plattform für die außergerichtliche Online-Streitbeilegung (OS-Plattform) bereit, aufrufbar unter https://ec.europa.eu/odr.
Wir sind seit 25.05.2018 Mitglied der Initiative "FairCommerce".
Nähere Informationen hierzu finden Sie unter www.fair-commerce.de.
Widerrufsrecht
Wenn Sie Verbraucher sind, können Sie gemäß den folgenden Bestimmungen vom Vertrag zurücktreten. Verbraucher ist jede natürliche Person, die zu Zwecken handelt, die nicht ihrer kaufmännischen, gewerblichen, künstlerischen oder beruflichen Tätigkeit zugerechnet werden können.
Informationen zum Widerrufsrecht
Gesetzliches Widerrufsrecht
Sie haben das Recht, den Vertrag innerhalb von 14 Tagen ohne Angabe von Gründen zu widerrufen.
Die Widerrufsfrist beträgt 14 Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Transporteur ist, die letzte Ware oder den letzten Posten oder das letzte Exemplar in Besitz genommen hat.
Um das Widerrufsrecht auszuüben, füllen Sie auf unserer Website unter „Meine Einkäufe" in „Mein Nutzerkonto" eine eindeutige Erklärung elektronisch aus und senden Sie sie ab. Wir werden Ihnen unverzüglich eine Bestätigung über den Eingang eines solchen Widerrufs auf einem dauerhaften Datenträger (z. B. per E-Mail) übermitteln.
Um die Widerrufsfrist einzuhalten, reicht es aus, dass Sie Ihre Mitteilung über die Ausübung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.
Auswirkungen des Widerrufs
Wenn Sie diesen Vertrag widerrufen, erstatten wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschließlich der Lieferkosten (mit Ausnahme der zusätzlichen Kosten, die entstehen, wenn Sie eine andere Art der Lieferung als die von uns angebotene günstigste Standardlieferung gewählt haben).
Wir können einen Abzug von der Rückerstattung für den Wertverlust der gelieferten Waren vornehmen, wenn der Verlust auf eine unnötige Behandlung durch Sie zurückzuführen ist.
Wir werden die Rückerstattung unverzüglich und nicht später als 14 Tage nach dem Tag vornehmen, an dem wir über Ihre Entscheidung, diesen Vertrag zu widerrufen, informiert wurden.
Für die Rückerstattung verwenden wir dasselbe Zahlungsmittel, das Sie für die ursprüngliche Transaktion verwendet haben, es sei denn, Sie haben ausdrücklich etwas anderes vereinbart; in keinem Fall werden Ihnen aufgrund einer solchen Rückerstattung Gebühren berechnet.
Wir können die Rückzahlung verweigern, bis wir die Waren wieder zurückerhalten haben oder Sie den Nachweis erbracht haben, dass Sie die Waren zurückgesandt haben, je nachdem, was eher eintritt.
Sie müssen die Waren unverzüglich und in jedem Fall spätestens 14 Tage ab dem Tag, an dem Sie uns über den Widerruf dieses Vertrags unterrichten, an AHA-BUCH GmbH, Einbeck, Germany, zurücksenden oder übergeben. Die Frist ist eingehalten, wenn Sie die Ware vor Ablauf der Frist von 14 Tagen zurücksenden. Sie müssen die direkten Kosten der Rücksendung der Waren tragen. Sie haften nur für einen etwaigen Wertverlust der Waren, der auf eine Behandlung zurückzuführen ist, die nicht zur Prüfung der Art, Eigenschaften und Funktionsweise der Waren erforderlich ist.
Ausnahmen vom Widerrufsrecht
Das Widerrufsrecht gilt nicht für:
- Die Lieferung von Zeitungen, Zeitschriften oder Magazinen mit Ausnahme von Abonnementverträgen; und
- Die Lieferung digitaler Inhalte, die nicht auf einem physischen Medium (z. B. auf einer CD oder DVD) geliefert werden, wenn Sie bei Ihrer Bestellung akzeptiert haben, dass wir mit der Lieferung beginnen können und dass Sie nach Beginn der Lieferung den Vertrag nicht mehr widerrufen können.
Versandbedingungen
Wir liefern Lagerartikel innerhalb von 24 Stunden nach Erhalt der Bestellung aus.
Barsortimentsartikel, die wir über Nacht geliefert bekommen, am darauffolgenden Werktag.
Unser Ziel ist es Ihnen die Artikel in der ökonomischten und effizientesten Weise zu senden.