Séance de cours

Protection de la vie privée Machine Learning

Description

Cette séance de cours couvre des techniques telles que Additive et Shamir Secret Sharing pour protéger les secrets et permettre des calculs sans révéler de données sensibles. Il explore les opérations sur les données secrètes partagées, y compris les protocoles de calcul multipartites sécurisés. La séance de cours se penche sur la combinaison du cryptage homomorphe avec des schémas de partage secrets, abordant les défis des calculs intensifs en communication. Il présente des applications réelles dans le domaine de la santé et discute du déploiement envisagé à l'échelle nationale de techniques de préservation de la vie privée. La séance de cours se termine par un aperçu détaillé de POSEIDON, un système d’apprentissage en réseau neuronal fédéré préservant la vie privée, mettant en évidence ses éléments constitutifs, son évaluation, son évolutivité et les défis abordés par la solution.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.