数据驱动系统中的使用隐私：机器学习程序的理论与实验
Use Privacy in Data-Driven Systems: Theory and Experiments with Machine Learnt Programs
AI 导读
研究提出在数据驱动系统中形式化并执行使用隐私限制的方法，重点限制受保护信息类型的代理（强预测变量）使用。该方法将代理使用与程序中间计算关联，要求结果与受保护信息强相关且可能因果影响输出，用程序分析检测并给出见证，再由规范性判断 oracle 判定不当并修复模型。社会数据集实验显示，算法能发现现有技术难检测的代理使用，并在保持可接受分类性能的同时移除。