Διοικητικές πληροφορίες
| Τίτλος | Προστασία της ιδιωτικής ζωής της μηχανικής μάθησης |
| Διάρκεια | 60 λεπτά |
| Ενότητα | Γ |
| Είδος μαθήματος | Διαδραστική συνεδρία |
| Εστίαση | Τεχνική — Μελλοντική ΤΝ |
| Θέμα | Ανοιχτά προβλήματα και προκλήσεις |
Λέξεις-κλειδιά
Κρυπτογράφηση, PPML, Διατήρηση της Ιδιωτικότητας, Κίνδυνος,
Μαθησιακοί στόχοι
- Κατανοήστε την έννοια της διατήρησης της ιδιωτικής ζωής
- Συζητήστε την εφαρμογή του PPML σε πρακτικά σενάρια
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
Προαιρετικό για Φοιτητές
- Δείτε το άρθρο σχετικά με την ισχυρή απο-ανωνυμοποίηση των μεγάλων αραιών συνόλων δεδομένων
Αναφορές και υπόβαθρο για τους μαθητές
- Για μια βαθύτερη βουτιά σε διαφορικές επιθέσεις ιδιωτικότητας και ιδιωτικότητας
- Τα αλγοριθμικά θεμέλια της διαφορετικής ιδιωτικής ζωής
- Εκτεθειμένος! Έρευνα για τις επιθέσεις σε προσωπικά δεδομένα
Συνιστάται για εκπαιδευτικούς
Υλικό μαθήματος
- Αυτή η ανάρτηση ιστολογίου στην ιστοσελίδα δίνει μια ωραία εισαγωγή στις επιθέσεις κατά της ιδιωτικής ζωής.
- Η λίστα αναπαραγωγής PPML που δημιουργήθηκε από το CeADAR παρέχει μια υψηλού επιπέδου περιγραφή του τρόπου με τον οποίο οι τεχνικές διατήρησης της ιδιωτικής ζωής μπορούν να εφαρμοστούν στα δεδομένα.
- Επισκόπηση του προβλήματος πρόκλησης PPML
- Οδηγίες πρόκλησης PPML
Οδηγίες για τους εκπαιδευτικούς
Ενθαρρύνετε τους μαθητές να κάνουν σημειώσεις και να ξεκινήσουν τη συζήτηση σχετικά με την ανάγκη για τεχνικές διατήρησης της ιδιωτικής ζωής ML τεχνικές που μπορούν να χρησιμοποιηθούν εδώ. $ Συγκεντρώστε και μοιραστείτε όλα τα θέματα που τέθηκαν και συζητήθηκαν από τους μαθητές. $ Παρέχετε μια επισκόπηση της συζήτησης.
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες |
|---|---|---|
| 5 | Εισαγωγή στο Privacy Preserving Fundamentals | Διαφορικό απόρρητο |
| 10 | Συζήτηση σχετικά με την ανάγκη διατήρησης της ιδιωτικής ζωής | PPML |
| 25 | Η επίθεση σύνδεσης Netflix/IMDB μπορεί να συζητηθεί εδώ | μια υπόθεση stuy |
| 10 | Προκλήσεις των τεχνικών PPML | |
| 5 | Συμπέρασμα |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.