Explore les défis de l'anonymat K, de la diversité l et de la désidentification des données, en utilisant des exemples concrets et en discutant des efforts d'Airbnb en matière de protection de la vie privée.
Introduit le Mécanisme de graduation K-Norm (KNG) pour obtenir une protection de la vie privée différentielle avec des exemples pratiques et des idées sur ses avantages par rapport aux mécanismes existants.
Explore les systèmes de communication anonymes, les informations d'identification basées sur les attributs, le réseau Tor et d'autres technologies de confidentialité.
Se penche sur les compromis de confidentialité différentielle, l'impact disparate et les attaques de confidentialité basées sur l'apprentissage automatique.
S’intéresse aux définitions de la vie privée, aux préoccupations techniques, aux PETS, au RGPD et à la protection de la vie privée contre la surveillance.
Explore la correspondance en ligne dans des environnements en évolution, en abordant les défis et les solutions pour adapter les algorithmes à l'évolution des données.
Explore l'apprentissage automatique fédéré et la confidentialité différentielle dans l'apprentissage automatique, en discutant des attaques, des défenses et des défis.
Explore l'évolution historique et les aspects juridiques des lois sur la protection des données, des instruments internationaux, des défis du suivi en ligne, des bases juridiques pour le traitement des données à caractère personnel et des règles de confidentialité.
Explore les techniques de confidentialité des données comme la confidentialité différentielle et l'anonymat k, assurant l'insignifiance statistique pour les bases de données voisines.
Explore les fondamentaux de l'apprentissage automatique et les risques liés à la vie privée, en mettant l'accent sur les attaques contre la vie privée et l'apprentissage automatique collaboratif.
