Apprentissage automatique et protection de la vie privée

Cette séance de cours couvre l'apprentissage automatique fédéré, en se concentrant sur la configuration où les clients forment un modèle mondial sans partager leurs données. Il traite des modèles contradictoires, des attaques d'adhésion et d'inférence de propriété, des défenses et des risques de confidentialité. En outre, il explore la confidentialité différentielle dans l'apprentissage automatique, y compris des techniques telles que la perturbation objective, la perturbation de sortie et la perturbation de gradient, ainsi que les défis de la composition avancée et de l'évaluation de l'apprentissage privé différentiel.