Course Code: ppml
Duration: 14 hours
Prerequisites:
- Zrozumienie zasad uczenia maszynowego
- Doświadczenie w Pythonie i bibliotekach do uczenia maszynowego (np. PyTorch, TensorFlow)
- Znajomość koncepcji związanych z ochroną danych lub cyberbezpieczeństwem jest pomocna
Grupa docelowa
- Badacze sztucznej inteligencji
- Zespoły zajmujące się ochroną danych i zgodnością z przepisami
- Inżynierowie bezpieczeństwa pracujący w regulowanych branżach
Overview:
Uczenie Maszynowe z Zachowaniem Prywatności to dziedzina skupiająca się na ochronie wrażliwych danych, jednocześnie umożliwiając zaawansowane możliwości sztucznej inteligencji w zdecentralizowanych lub ograniczonych środowiskach.
To szkolenie prowadzone przez instruktora na żywo (online lub na miejscu) jest skierowane do profesjonalistów na zaawansowanym poziomie, którzy chcą wdrożyć i ocenić techniki takie jak uczenie federacyjne, bezpieczne przetwarzanie wielostronne, homomorficzne szyfrowanie i różnicową prywatność w rzeczywistych potokach uczenia maszynowego.
Po zakończeniu szkolenia uczestnicy będą mogli:
- Zrozumieć i porównać kluczowe techniki zachowania prywatności w uczeniu maszynowym.
- Wdrożyć systemy uczące się federacyjnie przy użyciu otwartych frameworków.
- Zastosować różnicową prywatność do bezpiecznego udostępniania danych i trenowania modeli.
- Wykorzystać techniki szyfrowania i bezpiecznego przetwarzania do ochrony danych wejściowych i wyjściowych modeli.
Format kursu
- Interaktywny wykład i dyskusja.
- Wiele ćwiczeń i praktyki.
- Praktyczna implementacja w środowisku live-lab.
Opcje dostosowania kursu
- Aby zamówić dostosowane szkolenie, skontaktuj się z nami w celu ustalenia szczegółów.
Course Outline:
Wprowadzenie do Uczenia Maszynowego z Zachowaniem Prywatności
- Motywacje i ryzyka w środowiskach wrażliwych danych
- Przegląd technik zachowania prywatności w uczeniu maszynowym
- Modele zagrożeń i rozważania regulacyjne (np. GDPR, HIPAA)
Uczenie Federacyjne
- Koncepcja i architektura uczenia federacyjnego
- Synchronizacja i agregacja klient-serwer
- Implementacja przy użyciu PySyft i Flower
Różnicowa Prywatność
- Matematyka różnicowej prywatności
- Zastosowanie DP w zapytaniach danych i trenowaniu modeli
- Wykorzystanie Opacus i TensorFlow Privacy
Bezpieczne Przetwarzanie Wielostronne (SMPC)
- Protokoły SMPC i przypadki użycia
- Podejścia oparte na szyfrowaniu vs. udostępnianiu sekretów
- Bezpieczne przepływy pracy z CrypTen lub PySyft
Homomorficzne Szyfrowanie
- Całkowicie vs częściowo homomorficzne szyfrowanie
- Szyfrowane wnioskowanie dla wrażliwych obciążeń
- Praktyczne zastosowanie TenSEAL i Microsoft SEAL
Zastosowania i Studia Przypadków z Branży
- Prywatność w opiece zdrowotnej: uczenie federacyjne dla medycznej sztucznej inteligencji
- Bezpieczna współpraca w finansach: modele ryzyka i zgodność
- Przypadki użycia w obronie i rządzie
Podsumowanie i Kolejne Kroki
Sites Published:
United Arab Emirates - Privacy-Preserving Machine Learning
Qatar - Privacy-Preserving Machine Learning
Egypt - Privacy-Preserving Machine Learning
Saudi Arabia - Privacy-Preserving Machine Learning
South Africa - Privacy-Preserving Machine Learning
Brasil - Aprendizado de Máquina com Preservação de Privacidade
Canada - Privacy-Preserving Machine Learning
香港 - Privacy-Preserving Machine Learning
澳門 - Privacy-Preserving Machine Learning
USA - Privacy-Preserving Machine Learning
Österreich - Datenschutz-freundliches maschinelles Lernen
Schweiz - Datenschutz-freundliches maschinelles Lernen
Deutschland - Datenschutz-freundliches maschinelles Lernen
Czech Republic - Privacy-Preserving Machine Learning
Denmark - Privacy-Preserving Machine Learning
Estonia - Privacy-Preserving Machine Learning
Finland - Privacy-Preserving Machine Learning
Greece - Προστασία Αυτονομικής Προσωπικότητας σε Μηχανική Μάθηση
Magyarország - Adatvédelmi Gépi Tanulás
Ireland - Privacy-Preserving Machine Learning
Luxembourg - Privacy-Preserving Machine Learning
Latvia - Privacy-Preserving Machine Learning
España - Aprendizaje Automático con Preservación de Privacidad
Italia - Machine Learning con Protezione della Privacy
Lithuania - Privacy-Preserving Machine Learning
Nederland - Privacy-Beoordigende Machine Learning
Norway - Privacy-Preserving Machine Learning
Portugal - Aprendizado de Máquina com Preservação de Privacidade
România - Învățarea Automată cu Protecția Confidențialității
Sverige - Privacy-Preserving Machine Learning
Türkiye - Gizlilik Koruyan Makine Öğrenimi
Malta - Privacy-Preserving Machine Learning
Belgique - Privacy-Preserving Machine Learning
France - Privacy-Preserving Machine Learning
Australia - Privacy-Preserving Machine Learning
Malaysia - Privacy-Preserving Machine Learning
New Zealand - Privacy-Preserving Machine Learning
Philippines - Privacy-Preserving Machine Learning
Singapore - Privacy-Preserving Machine Learning
Thailand - Privacy-Preserving Machine Learning
Vietnam - Học Máy Bảo Mật Dữ Liệu
India - Privacy-Preserving Machine Learning
Argentina - Aprendizaje Automático con Preservación de Privacidad
Chile - Aprendizaje Automático con Preservación de Privacidad
Costa Rica - Aprendizaje Automático con Preservación de Privacidad
Ecuador - Aprendizaje Automático con Preservación de Privacidad
Guatemala - Aprendizaje Automático con Preservación de Privacidad
Colombia - Aprendizaje Automático con Preservación de Privacidad
México - Aprendizaje Automático con Preservación de Privacidad
Panama - Aprendizaje Automático con Preservación de Privacidad
Peru - Aprendizaje Automático con Preservación de Privacidad
Uruguay - Aprendizaje Automático con Preservación de Privacidad
Venezuela - Aprendizaje Automático con Preservación de Privacidad
Polska - Uczenie Maszynowe z Zachowaniem Prywatności
United Kingdom - Privacy-Preserving Machine Learning
Pakistan - Privacy-Preserving Machine Learning
Sri Lanka - Privacy-Preserving Machine Learning
Bulgaria - Машинно учене със запазване на поверителността
Bolivia - Aprendizaje Automático con Preservación de Privacidad
Indonesia - Privacy-Preserving Machine Learning
Kazakhstan - Privacy-Preserving Machine Learning
Moldova - Învățarea Automată cu Protecția Confidențialității
Morocco - Privacy-Preserving Machine Learning
Tunisia - Privacy-Preserving Machine Learning
Kuwait - Privacy-Preserving Machine Learning
Oman - Privacy-Preserving Machine Learning
Slovakia - Privacy-Preserving Machine Learning
Kenya - Privacy-Preserving Machine Learning
Nigeria - Privacy-Preserving Machine Learning
Botswana - Privacy-Preserving Machine Learning
Slovenia - Privacy-Preserving Machine Learning
Croatia - Privacy-Preserving Machine Learning
Serbia - Privacy-Preserving Machine Learning
Bhutan - Privacy-Preserving Machine Learning
Nepal - Privacy-Preserving Machine Learning