Confidentialité pour l'IA à partir de problèmes NP-difficiles - Calcul universel sur des données chiffrées

Aperçu

Join this insightful course on cryptographic methods crucial for safeguarding privacy in AI applications. Delve into the intricacies of MultiParty Computation, Threshold Cryptography, and Fully Homomorphic Encryption.

This course gives particular attention to overcoming challenges in evaluating complex operations like softmax while maintaining data encryption.

Presented by esteemed instructors on YouTube, this course is a vital part of both Artificial Intelligence and Computer Science disciplines, offering an in-depth understanding of universal compute on encrypted data. Ideal for those looking to advance their knowledge in state-of-the-art cryptographic techniques within AI frameworks.

Programme

• Introduction à la confidentialité dans l'IA
Aperçu des préoccupations en matière de confidentialité dans l'IA
Importance des techniques cryptographiques
• Fondements cryptographiques
Aperçu de la cryptographie
Primitives cryptographiques de base
• Calcul multipartite (MPC)
Définition et principes du MPC
Protocoles communs et applications
Cas d'utilisation réels et défis
• Cryptographie à seuil
Introduction aux systèmes à seuil
Conception de protocoles cryptographiques à seuil
Considérations de sécurité et de performance
• Chiffrement homomorphe complet (FHE)
Principes du FHE
Schémas FHE actuels et leurs implémentations
Évaluation de l'efficacité et des cas d'utilisation
• Opérations d'IA respectant la vie privée
Défis dans le calcul en domaine chiffré
Défis spécifiques dans l'évaluation du softmax chiffré
Techniques pour l'évaluation de réseaux neuronaux sur des données chiffrées
• Conception de systèmes d'IA respectueux de la vie privée
Intégration des méthodes cryptographiques dans les flux de travail de l'IA
Surmonter les barrières pratiques de mise en œuvre
Études de cas et exemples réels
• Sujets avancés et tendances émergentes
Approches hybrides dans l'IA respectant la vie privée
Techniques cryptographiques émergentes pour l'IA
• Conclusion et futures directions
Résumé des enseignements clés
Développements futurs potentiels dans la confidentialité de l'IA
• Projet final ou évaluation
Concevoir un prototype d'IA respectant la vie privée
Évaluer et présenter une étude de cas sur les calculs d'IA chiffrés

---

Matières

Computer Science