读数据科学伦理：概念、技术和警世故事13读后总结与感想兼导读
<p><img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3076680/202505/3076680-20250523153329158-2004726254.png" class="lazyload"></p><h1 id="1基本信息">1. 基本信息</h1>
<p>数据科学伦理：概念、技术和警世故事</p>
<p>Data Science Ethics：Concepts, Techniques and Cautionary Tales</p>
<ul>
<li>
<p>[比]大卫·马滕斯(David Martens) 著</p>
</li>
<li>
<p>中国科学技术出版社,2024年01月出版</p>
</li>
</ul>
<h2 id="11读薄率">1.1. 读薄率</h2>
<p>书籍总字数14.9万字，笔记总字数38380字。</p>
<p>读薄率38380÷149000≈25.76%</p>
<h2 id="12读厚方向">1.2. 读厚方向</h2>
<ol>
<li>
<p>DataMesh权威指南</p>
</li>
<li>
<p>数据的边界：隐私与个人数据保护</p>
</li>
<li>
<p>Julia数据科学应用</p>
</li>
<li>
<p>MLOps权威指南</p>
</li>
<li>
<p>商战数据挖掘：你需要了解的数据科学与分析思维</p>
</li>
<li>
<p>Spark快速大数据分析（第2版）</p>
</li>
<li>
<p>算法与预言</p>
</li>
</ol>
<h2 id="13笔记--章节对应关系">1.3. 笔记--章节对应关系</h2>
<table>
<thead>
<tr>
<th></th>
<th></th>
<th></th>
<th></th>
</tr>
</thead>
<tbody>
<tr>
<td>笔记</td>
<td>章节</td>
<td>字数</td>
<td>发布日期<br>2025年</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事01数据科学伦理导读</td>
<td>第1章 数据科学伦理导读</td>
<td>3629</td>
<td>5月11日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事02FAT流程框架</td>
<td>第1章 数据科学伦理导读</td>
<td>2813</td>
<td>5月12日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事03伦理数据的收集</td>
<td>第2章 伦理数据的收集</td>
<td>2855</td>
<td>5月13日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事04隐私保护机制</td>
<td>第2章 伦理数据的收集</td>
<td>3588</td>
<td>5月14日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事05后门、偏差与偏见</td>
<td>第2章 伦理数据的收集</td>
<td>3366</td>
<td>5月15日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事06伦理数据预处理</td>
<td>第3章 伦理数据预处理</td>
<td>1964</td>
<td>5月16日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事07再识别和公平</td>
<td>第3章 伦理数据预处理</td>
<td>2618</td>
<td>5月17日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事08隐私保护数据挖掘</td>
<td>第4章 伦理建模</td>
<td>3664</td>
<td>5月18日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事09伦理建模</td>
<td>第4章 伦理建模</td>
<td>4426</td>
<td>5月19日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事10道德评价</td>
<td>第5章 道德评价</td>
<td>4087</td>
<td>5月20日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事11伦理部署</td>
<td>第6章 伦理部署</td>
<td>2563</td>
<td>5月21日</td>
</tr>
<tr>
<td>读数据科学伦理：概念、技术和警世故事12结论</td>
<td>第6章 伦理部署<br>第7章 结论</td>
<td>2807</td>
<td>5月22日</td>
</tr>
<tr>
<td>$</td>
<td>总计</td>
<td>38380</td>
<td>$</td>
</tr>
</tbody>
</table>
<hr>
<h1 id="2亮点">2. <strong>亮点</strong></h1>
<ul>
<li>
<p>隐匿法、分组法和干扰法</p>
</li>
<li>
<p>同质性攻击和链接攻击</p>
<ul>
<li>数据安全任重道远，多维度的信息综合起来就能泄密</li>
</ul>
</li>
<li>
<p>差分隐私</p>
<ul>
<li>保护隐私的关键技术</li>
</ul>
</li>
<li>
<p>零知识证明：零知识证明方法即一方向另一方证明某秘密命题，而不泄露任何信息</p>
</li>
<li>
<p>零范围证明旨在证明数值在某个范围内，而无须透露确切数值</p>
<ul>
<li>零知识和零范围这两个概念，让我想到了“怎么证明我爸是我爸”的问题</li>
</ul>
</li>
<li>
<p>同态加密</p>
</li>
<li>
<p>反事实证据</p>
</li>
<li>
<p>p值篡改</p>
</li>
<li>
<p>学术报告是一个值得特别关注的特殊领域</p>
<ul>
<li>不能验证，那就是各说各话，什么诺奖得主涉嫌学术不端啊，那都不是p值篡改了，而是p图造假</li>
</ul>
</li>
</ul>
<hr>
<h1 id="3感想">3. <strong>感想</strong></h1>
<h2 id="31-数据安全要多维度的考虑">3.1 数据安全要多维度的考虑</h2>
<ul>
<li>
<p>从同质性攻击和链接攻击可以看出，单个来看安全的数据，在综合多方面信息后就不安全了</p>
</li>
<li>
<p>这就需要我们多维度的考虑数据安全</p>
</li>
</ul>
<h2 id="32-伦理问题和社会文化宗教历史等密切相关">3.2 伦理问题和社会文化、宗教历史等密切相关</h2>
<ul>
<li>
<p>有共识，也有差异，求同存异</p>
</li>
<li>
<p>具体情况具体分析</p>
</li>
</ul>
<h2 id="33-好书推荐阅读">3.3 好书，推荐阅读</h2><br><br>
来源：https://www.cnblogs.com/lying7/p/18893161
頁:
[1]