Cette présentation offerte le 21 mars 2025 par Ulrich Aïvodji (ÉTS Montréal) examine les menaces affectant la confidentialité dans les systèmes d’intelligence artificielle en s’appuyant sur une analyse approfondie des objectifs des attaquants et des contre-mesures disponibles. Elle met en lumière des attaques clés, telles que l’inférence d’appartenance, l’extraction de modèles et l’inférence de propriétés, tout en analysant les défis techniques associés à la protection des données et des modèles.
L’objectif principal est de sensibiliser l’auditoire aux enjeux actuels de la préservation de la vie privée, tout en introduisant des approches novatrices telles que la confidentialité différentielle, le chiffrement homomorphe, le calcul multipartite sécurisé et l’apprentissage fédéré, afin de promouvoir le développement et le déploiement de systèmes d’intelligence artificielle plus robustes et respectueux de la confidentialité des utilisateurs.
L’objectif principal est de sensibiliser l’auditoire aux enjeux actuels de la préservation de la vie privée, tout en introduisant des approches novatrices telles que la confidentialité différentielle, le chiffrement homomorphe, le calcul multipartite sécurisé et l’apprentissage fédéré, afin de promouvoir le développement et le déploiement de systèmes d’intelligence artificielle plus robustes et respectueux de la confidentialité des utilisateurs.
- Catégories
- Intelligence Artificielle
- Mots-clés
- IA, AI, Ulrich Aïvodji
Commentaires