Versão 0.1

Palestra: Uso de criptografia homomórfica para Machine Learning

A palestra objetiva demonstrar que o uso de criptografia homomórfica pode apresentar uma opção interessante para manter a confidencialidade dos dados utilizados no aprendizado de máquina (machine learning), especialmente com o crescente uso de cloud services. Estudos recentes mostram que é possível delegar a execução de um algoritmo de aprendizado de máquina a um serviço de computação, mantendo a confidencialidade dos dados de treinamento e teste. No entanto, há um desgaste computacional grande, além de problemas com o tamanho do dataset ou o funcionamento do modelo. Como manter a privacidade e a confidencialidade por meio da criptografia e continuar usufruir os modelos de machine learning?

A palestra objetiva demonstrar que o uso de criptografia homomórfica pode apresentar uma opção interessante para manter a confidencialidade dos dados utilizados no aprendizado de máquina (machine learning), especialmente com o crescente uso de cloud services.

O processo de treinamento do modelo de machine learning – seja supervisionado ou não – requer a alimentação dos algoritmos com quantidades substanciais de dados. Os conjuntos de dados de entrada (inputs) mais relevantes resultam na melhoria e acurácia dos dados de saída(outputs). Em muitos casos de uso, esses algoritmos de trabalham com dados sensíveis, de origem particular e/ou pessoal, e também com aspectos de segredo comercial.

Soluções baseadas em criptografia podem oferecer novos níveis de segurança e confidencialidade para processamento de dados. Essas soluções permitem que os cientistas de dados e engenheiros de machine learning lidem com dados criptografados e que os proprietários dos dados descriptografem as inferências.

A proposta da apresentação é discutir como podemos adicionar uma camada de proteção ao tratamento de dados por meio da criptografia.

Info

Dia: 04/05/2019
Hora de início: 18:30
Duração: 00:50
Room: John Perry Barlow - 3º andar BMA
Trilha: Criptografia
Língua:

Links:

Comentários

Estamos interessados ​​na sua opinião! Por favor, deixe-nos saber se você gostou deste evento?

Eventos simultâneos