Protection de la vie privée Machine Learning

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.