Administratieve informatie
Titel | Privacy Behoud Machine Learning |
Looptijd | 60 min |
Module | C |
Type les | Interactieve sessie |
Focus | Technisch — Toekomstige AI |
Onderwerp | Open problemen en uitdagingen |
Sleutelwoorden
Encryptie, PPML, Privacy-behoud, Risico’s,
Leerdoelen
- Begrijp het concept van Privacy Preserving Fundamentals
- Bespreek de toepassing van PPML in praktische scenario’s
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
Optioneel voor studenten
- Lees het artikel over Robuuste de-anonimisering van Large Sparse Datasets
Referenties en achtergronden voor studenten
- Voor een diepere duik in differentiële privacy- en privacyaanvallen
- De algoritmen van differentiële privacy
- Ontmaskerd! Een onderzoek naar aanvallen op privégegevens
Lesmateriaal
- Deze blogpost op de site van Oblivious geeft een mooie inleiding tot aanvallen op privacy.
- De PPML-afspeellijst gemaakt door CeADAR biedt een overzicht op hoog niveau van hoe privacy-behoud technieken kunnen worden toegepast op gegevens.
- Overzicht van problemen met PPML-uitdaging
- Instructies voor PPML-uitdagingsproblemen
Instructies voor docenten
Moedig studenten aan om aantekeningen te maken en de discussie op gang te brengen over de noodzaak van privacy-behoudende ML-technieken Achtergrondinformatie hier kan worden gebruikt. $ Collate en deel alle punten die door studenten worden opgeworpen en besproken. $ Geef een overzicht van de discussie.
Duur (min) | Omschrijving | Concepten |
---|---|---|
5 | Inleiding tot Privacy Preserving Fundamentals | Differentiële privacy |
10 | Discussie over de noodzaak van het behoud van de privacy | PPML |
25 | Netflix/IMDB linkage aanval kan hier besproken worden | een geval stuy |
10 | Uitdagingen van PPML technieken | |
5 | Conclusie |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.