Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Algorytmiczne i matematyczne podstawy ochrony prywatności

Informacje ogólne

Kod przedmiotu: 1000-2M19AOP
Kod Erasmus / ISCED: 11.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Algorytmiczne i matematyczne podstawy ochrony prywatności
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty obieralne dla informatyki
Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

monograficzne

Skrócony opis:

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.

Pełny opis:

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)

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

Efekty uczenia się:

K_U01 Posiada umiejętności konstruowania rozumowań matematycznych

Metody i kryteria oceniania:

Egzamin (60%) + 2 programistyczne zadania domowe (40%)

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.2.0-80474ed05 (2024-03-12)