معرفی شرکت ها

ai-privacy-toolkit-0.1.0

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.1.0
0.0.4
0.0.3
0.0.2
0.0.1
0.1.0
0.0.4
0.0.3
0.0.2
0.0.1

توضیحات

A toolkit for tools and techniques related to the privacy and compliance of AI models.
ویژگی مقدار
سیستم عامل -
نام فایل ai-privacy-toolkit-0.1.0
نام ai-privacy-toolkit
نسخه کتابخانه 0.1.0
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Abigail Goldsteen
ایمیل نویسنده abigailt@il.ibm.com
آدرس صفحه اصلی https://github.com/IBM/ai-privacy-toolkit
آدرس اینترنتی https://pypi.org/project/ai-privacy-toolkit/
مجوز -
# ai-privacy-toolkit <p align="center"> <img src="docs/images/logo with text.jpg?raw=true" width="467" title="ai-privacy-toolkit logo"> </p> <br /> A toolkit for tools and techniques related to the privacy and compliance of AI models. The [**anonymization**](apt/anonymization/README.md) module contains methods for anonymizing ML model training data, so that when a model is retrained on the anonymized data, the model itself will also be considered anonymous. This may help exempt the model from different obligations and restrictions set out in data protection regulations such as GDPR, CCPA, etc. The [**minimization**](apt/minimization/README.md) module contains methods to help adhere to the data minimization principle in GDPR for ML models. It enables to reduce the amount of personal data needed to perform predictions with a machine learning model, while still enabling the model to make accurate predictions. This is done by by removing or generalizing some of the input features. Official ai-privacy-toolkit documentation: https://ai-privacy-toolkit.readthedocs.io/en/latest/ Installation: pip install ai-privacy-toolkit For more information or help using or improving the toolkit, please contact Abigail Goldsteen at abigailt@il.ibm.com, or join our Slack channel: https://aip360.mybluemix.net/community. **Related toolkits:** ai-minimization-toolkit - has been migrated into this toolkit. [differential-privacy-library](https://github.com/IBM/differential-privacy-library): A general-purpose library for experimenting with, investigating and developing applications in, differential privacy. [adversarial-robustness-toolbox](https://github.com/Trusted-AI/adversarial-robustness-toolbox): A Python library for Machine Learning Security. Includes an attack module called *inference* that contains privacy attacks on ML models (membership inference, attribute inference, model inversion and database reconstruction) as well as a *privacy* metrics module that contains membership leakage metrics for ML models.


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl ai-privacy-toolkit-0.1.0:

    pip install ai-privacy-toolkit-0.1.0.whl


نصب پکیج tar.gz ai-privacy-toolkit-0.1.0:

    pip install ai-privacy-toolkit-0.1.0.tar.gz