Skip to content

对称信用

MyData Research、金融街风控俱乐部、个人数据产业研究

  • 研究
    • 信用科技
    • 数据服务商
    • 隐私保护
    • 海外观察
    • 征信百科
  • MyData
差分隐私

差分隐私

Posted on 2020年7月27日 by liu
差异隐私的方法涉及给数据添加噪声，或者使用归纳方法...

关于我们

本站由对称信用团队进行运营和维护。

本项目立足于新兴行业公益研究，致力于消费者评分的研究与应用，其中包括个人征信、信用科技、数据服务商、个人数据行业应用、信息与隐私保护等板块。

对称信用团队由国内消费者征信和个人数据领域一线的知名专家组成，分别有央行、工信部和网信办等机构的工作背景。既有监管工作经历、理论研究基础还有实践应用经验。同时和国外发达市场经济国家的专家和组织保持密切的沟通与合作。

分类目录

  • GDPR (11)
  • 专家观点 (16)
  • 个人信息保护 (18)
  • 个人征信百科 (181)
  • 信用报告 (2)
  • 信用科技 (2)
  • 信用评分 (4)
  • 区块链 (2)
  • 数据侵权 (6)
  • 数据技术 (4)
  • 数据服务商 (7)
  • 数据泄漏 (5)
  • 未分类 (5)
  • 海外观察 (9)
  • 消费者评分 (8)
  • 热点事件 (6)
  • 监管动向 (4)
  • 立法 (1)
  • 联邦机器学习 (1)
  • 隐私与信息保护 (29)
  • 隐私计算 (1)

友情连接

全联并购公会信用管理专委会
人民银行征信中心
国际征信委员会（ICCR）
商业信息行业协会（BIIA）
美国消费者金融保护局
美国消费者数据行业协会
世界隐私论坛

关键词

COVID DeFi Equifax experian FICO GDPR IHS 个人信息 个人信息保护 个人征信 个人数据 个人数据保护 个人金融信息 信用 信用信息 信用度 信用报告 信用评分 信用贷款 区块链 印度 大数据 姚前 并购 征信 数据代理商 数据保护 数据服务商 数据泄露 替代数据 机器学习 标普 消费信贷 消费者 网络安全 身份盗窃 金融科技 隐私保护
© 2020-2021 对称信用