Onderzoek beveiligde inferentie en privacydreigingen, van beschermde berekeningen tot risico’s van modelinversie.
Verken privacybeschermende ML-systemen: van een algemeen raamwerk via een beveiligde nearest-neighbor-classifier en evaluatie van gequantiseerde neurale netwerken tot modelinversie als concreet privacyrisico bij collaboratieve filtering. De cursus onderscheidt bescherming van berekeningen van formele privacygaranties en onderzoekt dreigingsmodellen, uitlekkanalen en gebruikskosten. De aanvalgerichte slotles dient als beveiligingsanalyse, niet als goedkeuring van het achterhalen van persoonsgegevens. De video’s zijn Engelstalig; notities en opdrachten zijn origineel en bevatten geen transcripties.
Definieer een privacydreigingsmodel met beschermde gegevens, mogelijkheden van de aanvaller, vertrouwensaannames en zichtbare uitvoer. Vergelijk methoden voor beveiligde inferentie op beschermde berekeningen, ondersteunde bewerkingen, inzetvoorwaarden en kosten voor nut of prestaties. Analyseer modelinversie als risico op informatieonthulling en ontwerp een verantwoorde evaluatie met waarborgen en grenzen aan openbaarmaking.
Kennis van ML-inferentie, basisbeveiliging en classificatie is aanbevolen. Ervaring met dreigingsmodellen en prestatie-evaluatie helpt; cryptografische expertise is niet vereist.
Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Probeer de eerste les
Probeer de eerste les gratis met een gratis account, zonder betaalkaart. Overige betaalde lessen vereisen geldige Academy-toegang, een actieve proefperiode of Lumi Pro.
4 lessen · Gevorderd · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.
Lessen uit deze cursus gevolgd? Vertel wat je hebt geleerd en wat duidelijker kan.
Deel je ervaring · Stel een correctie voor
Feedback gaat privé naar ons team. We publiceren deze niet automatisch en tellen deze niet als beoordeling mee. Deel geen wachtwoorden, klantgegevens of andere gevoelige informatie.