Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours introduit la confidentialité différentielle, un concept dans les algorithmes randomisés assurant l'insignifiance statistique dans les résultats entre les bases de données voisines. L'instructeur explique la force de la confidentialité différentielle dans la prévention de l'inférence au sujet des dossiers individuels et présente le mécanisme Laplace comme un outil pour y parvenir. La séance de cours porte sur la sensibilité globale au bruit, les algorithmes basés sur les mécanismes de Laplace et les implications de la confidentialité différentielle dans la conception d'algorithmes. Il conclut en discutant du compromis entre la vie privée et l'exactitude, en soulignant le caractère pessimiste de la protection différentielle de la vie privée.