Generování realistických datasetů pomocí Fakeru

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Toto cvičení je součástí kurzu

Ochrana soukromí a anonymizace dat v Pythonu

SkillTag.level.advancedSkillTag.label

4.9+

51 reviews

Začněte kurz zdarma

Připrav se na práci s anonymizačními technikami, jako jsou potlačení dat, maskování, generování syntetických dat a generalizace. V této kapitole se naučíš rozlišovat mezi citlivými a necitlivými osobními údaji (PII), kvazi-identifikátory a základy nařízení GDPR. Podíváme se také na reálné příklady toho, co se může pokazit, když tyto osvědčené postupy nedodržíš.

Exercise 1: Co je soukromé a proč nám na tom záleží?Exercise 2: Soukromí je moc Exercise 3: Citlivé, nebo necitlivé?Exercise 4: Potlačení citlivých atributů Exercise 5: Maskování dat a generování syntetických dat pomocí Faker Exercise 6: Maskování citlivých osobních údajů Exercise 7: Odstraňování jmen pomocí Fakeru Exercise 8: Anonymizace pomocí datové generalizace Exercise 9: Snížení rizika identifikace pomocí generalizace Exercise 10: Agregace dat a generalizace dat Exercise 11: Top a bottom coding platů v Bílém domě

Zjisti, jak anonymizovat data vzorkováním z datových sad podle pravděpodobnostního rozdělení sloupců. Pak se naučíš aplikovat model ochrany soukromí k-anonymita, který chrání před útoky na základě propojení nebo re-identifikace, a používat hierarchie ke generalizaci kategorických proměnných.

Exercise 1: Anonymizace kategorických dat Exercise 2: Prozkoumej rozložení dat Exercise 3: Vzorkování ze stejného pravděpodobnostního rozložení Exercise 4: Anonymizace spojitých dat Exercise 5: Různé distribuce Exercise 6: Vzorkování z nejlepší spojité distribuce Exercise 7: Úvod do K-anonymity Exercise 8: Atributy soukromí Exercise 9: Generalizace do rozsahů Exercise 10: Generalizace dat pomocí hierarchií Exercise 11: Použití hierarchií pro kategorická data Exercise 12: Anonymizace datasetu pomocí k-anonymity

Seznám se s diferenciálním soukromím – modelem, který využívají velké technologické společnosti jako Apple, Google nebo Uber. V této kapitole budeš zkoumat data pomocí soukromých histogramů a výpočtu soukromých průměrů. Vytvoříš také modely strojového učení s diferenciálním soukromím, díky nimž mohou firmy lépe využívat potenciál svých dat.

Exercise 1: Úvod do diferenciálního soukromí Exercise 2: Epsilon (ϵ): magické číslo Exercise 3: Histogramy s diferenciálním soukromím Exercise 4: Rozpočty soukromí Exercise 5: Používání rozpočtů ochrany soukromí Exercise 6: Když dojde rozpočet Exercise 7: Průzkum dat s účetní knihou ochrany soukromí Exercise 8: Diferenciálně soukromé modely strojového učení Exercise 9: Sestav klasifikátor s diferenciálním soukromím Exercise 10: Předpovídání platů Exercise 11: Diferenciálně soukromé modely shlukování Exercise 12: Předzpracování dat Exercise 13: Segmentace zákazníků

V této závěrečné kapitole se naučíš používat metody redukce dimenzionality, jako je analýza hlavních komponent (PCA), k anonymizaci rozsáhlých vícerozměrných datových sad. Pak využiješ knihovnu Faker k vytváření realistických a konzistentních datových sad a scikit-learn ke generování syntetických dat s normálním rozdělením. Na závěr propojíš vše, co jsi se v kurzu naučil/a, a zkombinuješ několik technik pro bezpečné zveřejnění datových sad.

Exercise 1: PCA pro anonymizaci Exercise 2: Anonymizace vysoce dimenzionálních dat Exercise 3: Maskování dat pomocí PCA Exercise 4: Generování realistických datasetů pomocí Fakeru

Aktuální cvičení

Exercise 5: Konzistentní syntetická datová sada Exercise 6: Datasety se stejným pravděpodobnostním rozdělením Exercise 7: Vytváření syntetických datasetů pomocí scikit-learn Exercise 8: Generování datasetů pro klasifikaci Exercise 9: Generování datasetů pro shlukování Exercise 10: Bezpečné zveřejnění datových sad Exercise 11: Prozkoumání a pseudonymizace datasetu Exercise 12: Příprava dat o zaměstnancích pro bezpečné zveřejnění Exercise 13: Skvělá práce!