Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Perlindungan privasi AWS Clean Rooms ML
Clean Rooms ML dirancang untuk mengurangi risiko serangan inferensi ke anggotaan di mana penyedia data pelatihan dapat mempelajari siapa yang ada dalam data benih dan penyedia data benih dapat mempelajari siapa yang ada dalam data pelatihan. Beberapa langkah diambil untuk mencegah serangan ini.
Pertama, penyedia data benih tidak secara langsung mengamati output ML Kamar Bersih dan penyedia data pelatihan tidak pernah dapat mengamati data benih. Penyedia data benih dapat memilih untuk memasukkan data benih di segmen output.
Selanjutnya, model lookalike dibuat dari sampel acak dari data pelatihan. Sampel ini mencakup sejumlah besar pengguna yang tidak cocok dengan pemirsa awal. Proses ini membuat lebih sulit untuk menentukan apakah pengguna tidak ada dalam data, yang merupakan jalan lain untuk inferensi keanggotaan.
Selanjutnya, beberapa pelanggan benih dapat digunakan untuk setiap parameter pelatihan model serupa khusus benih. Ini membatasi seberapa banyak model dapat overfit, dan dengan demikian seberapa banyak yang dapat disimpulkan tentang pengguna. Akibatnya, kami merekomendasikan bahwa ukuran minimum data benih adalah 500 pengguna.
Akhirnya, metrik tingkat pengguna tidak pernah diberikan kepada penyedia data pelatihan, yang menghilangkan jalan lain untuk serangan inferensi keanggotaan.
