Neuer Artikel zum datenschutzfreundlichen maschinellen Lernen

Der Artikel stellt ein neues Werkzeug zum Schutz der Privatsphäre beim maschinellen Lernen aus biomedizinischen Daten vor

Wir haben das bekannte Anonymisierungswerkzeug ARX für biomedizinische Daten um Methoden des maschinellen Lernens erweitert, um die Erstellung datenschutzfreundlicher Klassifikationsmodelle zu unterstützen. Mit der vorgestellten Open-Source-Software können Modelle trainiert werden, die die Privatsphäre von Patienten und Probanden bei gleichzeitig hoher Genauigkeit bewahren. Diese Arbeit wurde in Zusammenarbeit mit dem Institut für Medizinische Informatik, Statistik und Epidemiologie der Technischen Universität München durchgeführt. Den ausführlichen Artikel finden sie hier.