文献

J-GLOBAL ID：202102237475358438   整理番号：21A3348435

CryptoCredit安全訓練フェアモデル【JST・京大機械翻訳】

CryptoCredit securely training fair models

著者 (3件)： de Castro Leo (MIT CSAIL, Cambridge, Massachusetts) ,  Chen Jiahao (J.P.Morgan AI Research) ,  Polychroniadou Antigoni (J.P.Morgan AI Research)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICAIF ’20  ページ： 1-8  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 規制された意思決定のためのモデルを開発するとき,年齢,人種,および性別のような敏感な特徴は使用できず,バイアスを防止するためにモデル開発者から不明瞭である必要がある。しかし,残りの特徴は,それらの特徴の知識によってのみ行うことができる高感度特徴との相関に対して試験する必要がある。完全ホモモルフィック暗号化方式を用いてこのジレンマを解決し,モデル開発者が直線回帰とロジスティック回帰モデルを訓練し,明確な特徴を明らかにすることなく,可能なバイアスに対してそれらをテストする。著者らは,それが,ワンアウト回帰試験に適用することができるかを実証して,著者らの方法が実行するために実用的である成人所得データセットを用いて示す。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意思決定 ,  成人 ,  バイアス ,  暗号 ,  高感度
準シソーラス用語： ロジスティック回帰分析 ,  ロジスティック回帰モデル ,  モデル開発 ,  回帰試験 , 【Automatic Indexing@JST】

著者キーワード (3件)： 完全準同形暗号 ,  ロジスティック回帰 ,  wald試験

分類 (2件)： 符号理論  (ND02030R) ,  データ保護  (JD01020V)

タイトルに関連する用語 (2件)： 訓練 ,  モデル