Ingénierie de la vie privée : principes et stratégies
Graph Chat
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.
Couvre la sphère de la protection de la vie privée, la protection des données, les risques d'abus de données, les lois et les cas de violation du monde réel.
Explore le cryptage homomorphe, permettant des calculs sécurisés sur des données chiffrées sans exposition aux données, avec des applications dans les soins de santé et la finance.
Discute de l'importance de la vie privée, des mécanismes du marché dans les applications smartphone, du paradoxe de la vie privée et de l'impact du RGPD.
Explore les risques liés à la protection de la vie privée dans la publication des données, les tentatives ratées de désidentification et l'utilisation de données synthétiques pour la protection de la vie privée.
Se penche sur les compromis de confidentialité différentielle, l'impact disparate et les attaques de confidentialité basées sur l'apprentissage automatique.
Introduit le Mécanisme de graduation K-Norm (KNG) pour obtenir une protection de la vie privée différentielle avec des exemples pratiques et des idées sur ses avantages par rapport aux mécanismes existants.
Explore la nature multiforme de la vie privée, ses définitions, ses implications et ses cadres réglementaires, en se concentrant sur le phénomène du Web réel illustré par la politique de nom de Facebook.
Explore la sensibilité des données de localisation, l'inférence des points d'intérêt et les techniques de protection de la confidentialité des localisations.
Explore les mécanismes de publication de données préservant la vie privée et introduit le concept de confidentialité différentielle pour protéger les données individuelles tout en fournissant des statistiques précises.
Explore l'apprentissage automatique fédéré et la confidentialité différentielle dans l'apprentissage automatique, en discutant des attaques, des défenses et des défis.
S’intéresse aux définitions de la vie privée, aux préoccupations techniques, aux PETS, au RGPD et à la protection de la vie privée contre la surveillance.
Explore les notions de protection de la vie privée, la législation et les efforts de défense des droits pour protéger les données des personnes par le biais de changements systémiques et d'approches multidisciplinaires.
Explore les principes différentiels de protection de la vie privée et de protection de la vie privée par la conception afin d'assurer une protection de la vie privée centrée sur l'utilisateur.
Explore la sécurité de l'apprentissage automatique, y compris le vol de modèles, la modification des extrants, les conditions conflictuelles et les défis liés à la protection de la vie privée, soulignant l'importance de corriger les biais dans les modèles d'apprentissage automatique.
