Algorytmiczne i matematyczne podstawy ochrony prywatności
Informacje ogólne
Kod przedmiotu: | 1000-2M19AOP | Kod Erasmus / ISCED: |
11.3
![]() ![]() |
Nazwa przedmiotu: | Algorytmiczne i matematyczne podstawy ochrony prywatności | ||
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki | ||
Grupy: |
Przedmioty monograficzne dla III - V roku informatyki Przedmioty obieralne dla informatyki |
||
Punkty ECTS i inne: |
(brak)
![]() ![]() |
||
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%) |
| |||||
Właścicielem praw autorskich jest Uniwersytet Warszawski.