Algorytmiczne i matematyczne podstawy ochrony prywatności 1000-2M19AOP
Kurs prezentuje podstawowe algorytmy i powiązane z nimi techniki matematyczne, które mają zapewnić ochronę prywatności przy ujawnianiu/przetwarzaniu danych. Kurs oparty jest o najnowsze wyniki związane z tzw. prywatnością różnicową (differentia privacy), która obecnie uważana jest za jedyny standard zarówno w badaniach teoretycznych, jak i zastosowaniach praktycznych.
1.Wprowadzenie – czym jest prywatność różnicowa ? (1 wykład)
2. Rachunek prawdopodobieństwa – przegląd podstawowych faktów (1 wykład)
3. Prywatność różnicowa; metody Gaussa i Laplace’a (1-2 wykłady)
4. Mechanizm eksponencjalny; twierdzenia o łączeniu mechanizmów (1-2 wykłady)
5. Prywatność dla zapytań liniowych (2 wykłady)
6. Konstrukcja mechanizmów zapewniających prywatność (2-3 wykłady)
7. Prywatność przy ciągłej obserwacji (2-3 wykłady)
8. Ograniczenia dolne i złożnoność obliczeniowa (1-2 wykłady)
9. Prywatność a uczenie maszynowe (2-3 wykłady)
10. Prywatność różnicowa a krypografia (2-3 wykłady)
Rodzaj przedmiotu
Efekty kształcenia
K_U01 Posiada umiejętności konstruowania rozumowań matematycznych
Kryteria oceniania
Egzamin (60%) + 2 programistyczne zadania domowe (40%)
Literatura
[1] Cynthia Dwork, Aaron Roth, The Algorithmic Foundations of Differential Privacy, Fundations and trends in TCS, 2014
[2] Attoh-Okine Nii O., Big Data and Differential Privacy, John Wiley & Sons Inc, 2017
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: