Privacidad para la IA a partir de problemas NP-difíciles: Computación universal en datos cifrados

Resumen

Explore métodos criptográficos para IA privada, incluyendo Computación Multipartita, Criptografía de Umbral y Encriptación Homomórfica Completa, con un enfoque en los desafíos de evaluar operaciones como la softmax en el dominio cifrado.

Programa de estudio

• Introducción a la Privacidad en IA
Descripción General de las Preocupaciones de Privacidad en IA
Importancia de las Técnicas Criptográficas
• Fundamentos Criptográficos
Descripción General de la Criptografía
Primitivas Criptográficas Básicas
• Cómputo Multiparte (MPC)
Definición y Principios del MPC
Protocolos Comunes y Aplicaciones
Casos de Uso y Desafíos en el Mundo Real
• Criptografía de Umbral
Introducción a los Esquemas de Umbral
Diseño de Protocolos Criptográficos de Umbral
Consideraciones de Seguridad y Rendimiento
• Cifrado Homomórfico Completo (FHE)
Principios del FHE
Esquemas Actuales de FHE y sus Implementaciones
Evaluación de la Eficiencia y Casos de Uso
• Operaciones de IA Preservadoras de Privacidad
Desafíos en el Cálculo en el Dominio Encriptado
Desafíos Específicos en la Evaluación de Softmax Encriptado
Técnicas para la Evaluación de Redes Neuronales sobre Datos Encriptados
• Diseño de Sistemas de IA Preservadores de Privacidad
Integración de Métodos Criptográficos en los Flujos de Trabajo de IA
Superación de Barreras Prácticas de Implementación
Estudios de Caso y Ejemplos del Mundo Real
• Temas Avanzados y Tendencias Emergentes
Enfoques Híbridos en IA Preservadora de Privacidad
Técnicas Criptográficas Emergentes para IA
• Conclusión y Direcciones Futuras
Resumen de Aprendizajes Clave
Potenciales Desarrollos Futuros en la Privacidad de IA
• Proyecto Final o Evaluación
Diseñar un Prototipo de IA Preservador de Privacidad
Evaluar y Presentar un Estudio de Caso sobre Cálculos de IA Encriptados

Asignaturas

Ciencias de la Computación