Towards privacy: Encrypted deep learning with Syft and Keras
深度学习与隐私保护并非不可调和。联合学习支持设备上的分布式模型训练；加密使模型和梯度更新保持私密；差分隐私可防止训练数据泄露。如今，私密且安全的深度学习是一种新兴技术。在这篇文章中，我们介绍了 Syft，这是一个与 PyTorch 和 TensorFlow 集成的开源框架。在一个示例用例中，我们从 Keras 模型中获得私密预测。
Differential Privacy with TensorFlow
差异隐私保证数据库查询的结果基本上与单个个体在数据中的存在无关。应用于机器学习，我们预计没有任何单个训练示例会以实质性的方式影响训练模型的参数。这篇文章介绍了 TensorFlow Privacy，这是一个基于 TensorFlow 构建的库，可用于从 R 训练差分隐私深度学习模型。
The meaning of health spending skewness
健康支出的偏差分布意味着重要的事情。我会做到的。但首先，数据！我在先前的文章中显示了以下内容。这是针对整个人口（2004年数据）。有些人可能以为老人是偏差的重要来源。不是这样。在最近的NEJM论文中，琳达·布鲁姆伯格（Linda Blumberg）提出了[…]帖子的含义首先出现在偶然的经济学家中。
