Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Đề cương khóa học
Giới thiệu về Máy học Bảo vệ Quyền riêng tư (Privacy-Preserving ML)
- Lý do và rủi ro trong môi trường dữ liệu nhạy cảm
- Tổng quan về kỹ thuật bảo vệ quyền riêng tư trong máy học
- Mô hình mối đe dọa và xem xét quy định (ví dụ: GDPR, HIPAA)
Federated Learning
- Khái niệm và kiến trúc của học tập liên minh (federated learning)
- Đồng bộ hóa và tổng hợp giữa khách hàng và máy chủ
- Triển khai bằng PySyft và Flower
Bảo mật Tương đối (Differential Privacy)
- Toán học của bảo mật tương đối
- Áp dụng DP trong truy vấn dữ liệu và huấn luyện mô hình
- Sử dụng Opacus và TensorFlow Privacy
Tính toán Đa bên Bảo mật (Secure Multiparty Computation - SMPC)
- Các giao thức và trường hợp sử dụng của SMPC
- Phương pháp dựa trên mã hóa so với chia sẻ bí mật
- Chu trình tính toán an toàn bằng CrypTen hoặc PySyft
Mã hóa Đồng hình (Homomorphic Encryption)
- Mã hóa đồng hình hoàn chỉnh so với một phần
- Dự đoán mã hóa cho công việc nhạy cảm
- Thực hành bằng TenSEAL và Microsoft SEAL
Ứng dụng và Trường hợp Nghiên cứu trong Ngành
- Bảo mật quyền riêng tư trong y tế: học tập liên minh cho AI y tế
- Hợp tác an toàn trong tài chính: mô hình rủi ro và tuân thủ quy định
- Trường hợp sử dụng trong quốc phòng và chính phủ
Tóm tắt và Bước kế tiếp
Requirements
- Hiểu biết về nguyên lý học máy
- Kinh nghiệm với Python và thư viện ML (ví dụ: PyTorch, TensorFlow)
- Am hiểu các khái niệm về quyền riêng tư dữ liệu hoặc bảo mật mạng là một lợi thế
Khán giả
- Nhà nghiên cứu AI
- Đội ngũ đảm bảo an toàn và tuân thủ quy định về dữ liệu cá nhân
- Kỹ sư bảo mật làm việc trong lĩnh vực được quản lý chặt chẽ
14 Hours
