Descriptif

Ce cours propose un panorama des méthodes de confidentialité différentielle, avec des applications à l’apprentissage automatique et à l’intelligence artificielle.

Les thèmes suivants seront abordés :

• Qu’est-ce que la protection de la vie privée et comment la définir mathématiquement ?
• Qu’est-ce que la confidentialité différentielle et comment construire des algorithmes qui en garantissent le respect ?
• Comment un adversaire peut-il réidentifier des individus ou reconstruire des données à partir de requêtes agrégées ?
• Quelles sont les variantes de la confidentialité différentielle et comment les adapter à différents cadres d’apprentissage, comme l’apprentissage distribué ?

Nous aborderons ensuite les défis actuels de la confidentialité différentielle, qui demeure un domaine de recherche très actif.

Les enseignements seront dispensés en anglais, avec deux heures de cours le matin et deux heures de travaux dirigés et pratiques l’après-midi, généralement réparties en une heure d’exercices mathématiques et une heure de programmation.

Pour les travaux pratiques de l’après-midi, apportez votre ordinateur ou prévoyez de travailler en binôme avec une personne qui en possède un.

Les travaux pratiques se feront en Python, dans des notebooks Jupyter : assurez-vous de pouvoir ouvrir et modifier ces fichiers avant le début du cours !