 |
| Photo by David Chuan-En Lin on Unsplash |
ทีมนักวิจัยจาก Carnegie Mellon University (CMU), University of Virginia และ New York University ได้พัฒนาและทดสอบเฟรมเวิร์กที่ใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อวัดและลดความเสี่ยงด้านความเป็นส่วนตัวของผู้บริโภคในขณะที่ยังคงรักษาประโยชน์ของผู้ลงโฆษณาไว้
เฟรมเวิร์กใช้วิธีการทำให้งงงวยที่ยืดหยุ่นเพื่อปกปิดบางส่วนของสถานที่ที่ผู้บริโภคเยี่ยมชม โดยใช้พารามิเตอร์การกรองส่วนบุคคลที่สอดคล้องกับระดับความเสี่ยงของพวกเขา ในขณะเดียวกันก็พิจารณาถึงประเภทและระดับของความเสี่ยงและยูทิลิตี้ที่แตกต่างกัน
Meghanath Macha ผู้นำการศึกษานี้กล่าวว่า "เฟรมเวอร์กของเราเติมเต็มช่องว่างที่สำคัญและนำเสนอเครื่องมือที่สำคัญสำหรับแนวทางปฏิบัติ ที่คำนึงถึงความเป็นส่วนตัวของแอปพลิเคชันและบริการที่อิงตามตำแหน่งข้อมูลขนาดใหญ่ โดยให้ความสมดุลระหว่างความเสี่ยงด้านความเป็นส่วนตัวและประโยชน์จากการใช้ข้อมูล"
อ่านข่าวเต็มได้ที่: Carnegie Mellon University Heinz College News
ไม่มีความคิดเห็น:
แสดงความคิดเห็น