序言3

随着数字化社会、大数据时代的到来，机器学习被广泛应用于金融、保险、教育、医疗等领域。然而，随着人们对隐私保护的重视程度的提高及法律和监管机构对数据安全的要求逐渐提高，“数据孤岛”现象成为了现在面临的一个阻碍机器学习大规模推广的重要问题。当数据被隔离在多个不同机构时，如何保护各自的数据隐私，同时能够协同使用数据的价值，即实现数据的可用不可见，成为了国家法律与政策层面上重点关注的问题。因此，如何建立机器学习与隐私保护两者之间的连接与平衡，是当前的研究热点和重点。

人工智能安全的命题是国家人工智能战略背景下的长期命题，推动人工智能安全技术的切实发展，需要学术界和工业界的紧密合作与长期推动。出版《隐私保护机器学习》是一个很好的开始，希望对学界、各行各业的人工智能安全工作都能有借鉴意义。

本书全面系统地介绍了隐私保护机器学习技术。从机器学习角度来讲，书中介绍了线性模型、树模型、神经网络、图神经网络、迁移学习和推荐系统。从隐私计算角度来讲，书中涵盖了不经意传输、混淆电路、秘密分享、同态加密、差分隐私和可信执行环境等技术。一方面，本书对机器学习和隐私计算技术做了详细介绍，因此适合作为计算机科学和信息安全等专业的本科生及研究生教材。另一方面，本书的内容大多来自于蚂蚁集团的实际业务场景中，因此也非常适合作为隐私计算领域的从业者的读本。

山东大学网络空间安全学院常务副院长