Gizlilik bütçesi muhasebecisiyle veriyi keşfetme

Diferansiyel gizlilik sağlayan veri keşif sistemleri, birden çok sorgu boyunca kaybedilen gizliliği ölçen bir gizlilik bütçesini yönetmelidir.

Bu egzersizde, gizlilik bütçesini takip ederken IBM HR Analytics Employee Attrition & Performance veri kümesini keşfedeceksin. Unutma: Bir sorgu, muhasebecide belirtilen gizlilik bütçesini aşarsa bir hata oluşur.

Histogram, veriyi diferansiyel olarak gizli bir şekilde görselleştirmek için değerli bir araçtır. Sözdizimi, numpy içindeki karşılık gelen işleve benzerdir ve bir epsilon parametresi içerir.

Tam veri kümesi hr olarak, çalışanların yaş özelliği ise ages olarak mevcuttur. Histogramı, kursta daha önce yaptığın gibi çizdirmek için show_histogram() adında özel bir fonksiyon oluşturulup yüklendi.

Bu egzersiz

Python ile Veri Gizliliği ve Anonimleştirme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Kurucusunu kullanarak epsilon değeri 1.5 olan bir BudgetAccountant oluştur.
ages sütunundan epsilon değeri 0.1 olan özel (private) bir histogram üret.
ages için epsilon olarak 0.9 kullanarak ve alt-üst sınırları 10 ile 100 olacak şekilde bir demet (tuple) vererek özel ortalamayı al ve göster.
Sıradaki iki yeni sorgu için kalan gizlilik bütçesini yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create the privacy Budget Accountant with epsilon of 1.5
acc = ____

# Use the Budget Accountant acc to draw a private histogram of ages with epsilon 0.1
dp_hist, dp_bins = tools.___(____, epsilon=____, range=[10,100], accountant=____)
show_histogram(dp_hist, dp_bins)

# Get and show the private average of the age variable
print("Mean: ", tools.mean(____))

# Show privacy budget remaining for 2 queries
print("Remaining budget for 2 queries: ", ____)
print("Number of queries recorded: ", len(acc))

Kodu Düzenle ve Çalıştır

Bu egzersiz

Python ile Veri Gizliliği ve Anonimleştirme

kursunun bir parçasıdır

AvançadoNível de habilidade

4.9+

Kursa Ücretsiz Başlayın

Get ready to apply anonymization techniques such as data suppression, masking, synthetic data generation, and generalization. In this chapter, you’ll learn how to distinguish between sensitive and non-sensitive personally identifiable information (PII), quasi-identifiers, and the basics of the GDPR. You'll also encounter real-life examples of what can go wrong if you don't follow these best practices.

Exercise 1: What's private, and why do we care?Exercise 2: Privacy is power Exercise 3: Is it sensitive or non-sensitive?Exercise 4: Suppression of sensitive attributes Exercise 5: Data masking and data generation with Faker Exercise 6: Masking sensitive PII Exercise 7: Removing names with faker Exercise 8: Anonymizing with data generalization Exercise 9: Reducing identification risk with generalization Exercise 10: Data aggregation and data generalization Exercise 11: Top and bottom coding White House salaries

Discover how to anonymize data by sampling from datasets following the probability distribution of the columns. You’ll then learn how to apply the k-anonymity privacy model to prevent linkage or re-identification attacks and use hierarchies to perform data generalization in categorical variables.

Exercise 1: Anonymizing categorical data Exercise 2: Explore the distribution of data Exercise 3: Sampling from the same probability distribution Exercise 4: Anonymizing continuous data Exercise 5: Different distributions Exercise 6: Sampling from the best continuous distribution Exercise 7: Introduction to K-anonymity Exercise 8: Privacy attributes Exercise 9: Generalizing into ranges Exercise 10: Generalizing data using hierarchies Exercise 11: Using hierarchies for categorical data Exercise 12: K-anonymizing a dataset

Learn about differential privacy, the model used by major technology companies such as Apple, Google, and Uber. In this chapter, you’ll explore data by generating private histograms and computing private averages in data. You’ll also create differentially private machine learning models that allow businesses to increase the utility of their data.

Exercise 1: Diferansiyel gizliliğe giriş Exercise 2: Epsilon (ϵ): sihirli sayı Exercise 3: Diferansiyel gizlilikle histogramlar Exercise 4: Gizlilik bütçeleri Exercise 5: Gizlilik bütçelerini kullanma Exercise 6: Hiç bütçe kalmadığında Exercise 7: Gizlilik bütçesi muhasebecisiyle veriyi keşfetme

Geçerli Egzersiz

Exercise 8: Farklılaştırılmış gizliliğe sahip Machine Learning modelleri Exercise 9: Farklılaştırılmış gizliliğe sahip bir sınıflandırıcı oluştur Exercise 10: Maaş tahmini Exercise 11: Farklılaştırmalı gizliliğe sahip kümeleme modelleri Exercise 12: Veriyi ön işleme Exercise 13: Müşterileri segmentlere ayırma

In this final chapter, you’ll learn how to apply dimensionality reduction methods such as principal component analysis (PCA) to anonymize large multi-column datasets. You’ll then use Faker to generate realistic and consistent datasets, and scikit-learn to create synthetic datasets that follow a normal distribution. Lastly, you’ll tie everything you learned in this course together as you combine multiple techniques to safely release datasets to the public.

Exercise 1: PCA for anonymization Exercise 2: Anonymization of high-dimensional data Exercise 3: Data masking with PCA Exercise 4: Generating realistic datasets with Faker Exercise 5: Consistent synthetic dataset Exercise 6: Datasets with the same probabilistic distribution Exercise 7: Creating synthetic datasets using scikit-learn Exercise 8: Generating datasets for classification Exercise 9: Generating datasets for clustering Exercise 10: Safely release datasets to the public Exercise 11: Exploring and pseudonymizing a dataset Exercise 12: Preparing employee data for safe release Exercise 13: Great work!