Intrati in legatura

Schița de curs

Introducere în Învățarea Automată cu Protecția Vieții Private

  • Motivații și riscuri în medii cu date sensibile
  • Prezentare generală a tehnicilor de învățare automată cu protecția vieții private
  • Modele de amenințare și considerente de reglementare (de ex., GDPR, HIPAA)

Învățarea Federată

  • Conceptul și arhitectura învățării federate
  • Sincronizare și agregare client-server
  • Implementare folosind PySyft și Flower

Confidențialitatea Diferențială

  • Matematică a confidențialității diferențiale
  • Aplicarea confidențialității diferențiale în interogări de date și antrenarea modelelor
  • Folosirea Opacus și TensorFlow Privacy

Calcul Multipartit Securizat (SMPC)

  • Protocoale SMPC și cazuri de utilizare
  • Abordări bazate pe criptare vs. partajare de secrete
  • Fluxuri de lucru de calcul securizat cu CrypTen sau PySyft

Criptare Homomorfă

  • Criptare complet vs. parțial homomorfă
  • Inferență criptată pentru sarcini de lucru sensibile
  • Practică cu TenSEAL și Microsoft SEAL

Aplicații și Studii de Caz din Industrie

  • Confidențialitate în sănătate: învățare federată pentru AI medical
  • Colaborare securizată în finanțe: modele de risc și conformitate
  • Cazuri de utilizare în apărare și guvernare

Rezumat și Pași Următori

Cerințe

  • Înțelegerea principiilor învățării automate
  • Experiență cu Python și biblioteci de învățare automată (de ex., PyTorch, TensorFlow)
  • Familiaritate cu concepte de confidențialitate a datelor sau securitate cibernetică este utilă

Publicul Țintă

  • Cercetători AI
  • Echipe de protecție a datelor și conformitate privind confidențialitatea
  • Ingineri de securitate care lucrează în industrii reglementate
 14 Ore

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite