Couvre la mesure de la vie privée dans les données de localisation, les mécanismes de défense et les défis dans la protection de la vie privée de localisation.
Explore la génération de données synthétiques pour la publication de données préservant la vie privée, en évaluant son efficacité contre les menaces à la vie privée dans des ensembles de données brutes.
Explore les principes de confidentialité par conception, la minimisation des données, la minimisation de la confiance et l'étude de cas de l'application SwissCovid.
Comparer le RGPD de l'UE avec les lois américaines sur la protection de la vie privée, en mettant l'accent sur les responsabilités, la responsabilité et les conséquences des violations des données.
Explore RAPPOR, la confidentialité différentielle, la mise en œuvre d'Apple, le clustering de k-means et les défis liés à la mise en œuvre de la confidentialité différentielle.
Explore les méthodes de suivi en ligne, y compris la toile et les empreintes de l'API AudioContext, et leurs implications en matière de protection de la vie privée.
Se penche sur l'application de l'apprentissage automatique à l'amélioration de la documentation relative aux droits de l'homme et aux activités de plaidoyer à l'intention d'organisations telles que HURIDOCS.
