1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Матеріали конференцій, семінарів, читань
  3. 2023
  4. XІІ Міжнародна науково-практична конференція молодих учених та студентів „Актуальні задачі сучасних технологій“ (2023)
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/43865

Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorОнай, М. В.
dc.contributor.authorСеверін, А. І.
dc.contributor.authorOnai, M. V.
dc.contributor.authorSeverin, A. I.
dc.coverage.temporal6-7 грудня 2023 року
dc.coverage.temporal6-7 December 2023
dc.date.accessioned2024-01-21T14:52:27Z-
dc.date.available2024-01-21T14:52:27Z-
dc.date.created2023-12-06
dc.date.issued2023-12-06
dc.identifier.citationОнай М. В. Комплексний порівняльний аналіз методів збереження приватності в машинному навчанні / М. В. Онай, А. І. Северін // Матеріали ⅩⅡ Міжнародної науково-практичної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“, 6-7 грудня 2023 року. — Т. : ФОП Паляниця В. А., 2023. — С. 406–407. — (Комп’ютерно-інформаційні технології та системи зв’язку).
dc.identifier.isbn978-617-7875-71-9
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/43865-
dc.format.extent406-407
dc.language.isouk
dc.publisherФОП Паляниця В. А.
dc.publisherPE Palianytsia V.A.
dc.relation.ispartofМатеріали ⅩⅡ Міжнародної науково-практичної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“, 2023
dc.relation.ispartofBook of abstracts of the ⅩⅡ International scientific and practical conference of young researchers and students „Actual problems of modern technologies“, 2023
dc.relation.urihttps://www.microsoft.com/en-us/research/wp-content/uploads/2017/07/Private_AI_Kristin_Lauter.pdf
dc.relation.urihttps://arxiv.org/pdf/1909.11512.pdf
dc.relation.urihttps://arxiv.org/pdf/1511.03575.pdf
dc.relation.urihttps://arxiv.org/abs/1610.06918
dc.relation.urihttps://eprint.iacr.org/2020/300.pdf
dc.relation.urihttps://www.solarwindsmsp.com/blog/data-anonymization-overview
dc.relation.urihttps://iapp.org/media/pdf/resource_center/Guide_to_Anonymisation.pdf
dc.relation.urihttps://ai.googleblog.com/2017/04/federated-learning-collaborative.html
dc.titleКомплексний порівняльний аналіз методів збереження приватності в машинному навчанні
dc.title.alternativeComprehensive comparative analysis of privacy-preserving methods in machine learning
dc.typeConference Abstract
dc.rights.holder© Тернопільський національний технічний університет імені Івана Пулюя, 2023
dc.coverage.placenameТернопіль
dc.coverage.placenameTernopil
dc.format.pages2
dc.subject.udc004.056
dc.subject.udc004.8
dc.relation.references1. Xu R. Privacy-preserving machine learning: Methods, challenges and directions / R. Xu, N. Baracaldo, J. Joshi. // arXiv preprint arXiv:2108.04417. — 2021 — DOI: 10.48550/arXiv.2108.04417.
dc.relation.references2. Lauter K. Faculty Summit 2017: Private AI [Electronic resource] / Kristin Lauter // Microsoft Research. — 2017. — Access mode: https://www.microsoft.com/en-us/research/wp-content/uploads/2017/07/Private_AI_Kristin_Lauter.pdf.
dc.relation.references3. Nikolenko S. I. Synthetic Data for Deep Learning [Electronic resource] / Sergey I. Nikolenko. — 2019. — Access mode: https://arxiv.org/pdf/1909.11512.pdf.
dc.relation.references4. Dwork C. The Algorithmic Foundations of Differential Privacy [Text] / C. Dwork, A. Roth. // Foundations and Trends® in Theoretical Computer Science. — 2014. — Vol. 9, №3-4. — С. 211–407. — DOI 10.1561/0400000042.
dc.relation.references5. Minelli M. Fully homomorphic encryption for machine learning [Text] / Michele Minelli., 2018. — 157 p.
dc.relation.references6. Communication-efficient learning of deep networks from decentralized data. [Text] / [H. Brendan McMahan, E. Moore, D. Ramage and others]. — 2016.
dc.relation.references7. Konečný J. Federated ptimization: Distributed Optimization Beyond the Datacenter [Electronic resource] / J. Konečný, B. c ahan, D. Ramage. — 2015. — Access mode: https://arxiv.org/pdf/1511.03575.pdf.
dc.relation.references8. Abadi M. Learning to Protect Communications with Adversarial Neural Cryptography [Electronic resource] / M. Abadi, D. G. Andersen. — 2016. — Access mode: https://arxiv.org/abs/1610.06918.
dc.relation.references9. Lindell Y. Secure Multiparty Computation (MPC) [Electronic resource] / Yehuda Lindell — Access mode: https://eprint.iacr.org/2020/300.pdf.
dc.relation.references10. Data Anonymization Techniques [Electronic resource]. — 2019. — Access mode: https://www.solarwindsmsp.com/blog/data-anonymization-overview.
dc.relation.references11. Guide to basic data anonymisation techniques [Electronic resource] // Personal Data Protection Commission Singapore (PDPC). — 2018. — Access mode: https://iapp.org/media/pdf/resource_center/Guide_to_Anonymisation.pdf.
dc.relation.references12. Brendan McMahan H. Federated Learning: Collaborative Machine Learning without Centralized Training Data [Electronic resource] / H. Brendan McMahan, D. Ramage. — 2017. — Access mode: https://ai.googleblog.com/2017/04/federated-learning-collaborative.html.
dc.relation.referencesen1. Xu R. Privacy-preserving machine learning: Methods, challenges and directions, R. Xu, N. Baracaldo, J. Joshi., arXiv preprint arXiv:2108.04417, 2021 - DOI: 10.48550/arXiv.2108.04417.
dc.relation.referencesen2. Lauter K. Faculty Summit 2017: Private AI [Electronic resource], Kristin Lauter, Microsoft Research, 2017, Access mode: https://www.microsoft.com/en-us/research/wp-content/uploads/2017/07/Private_AI_Kristin_Lauter.pdf.
dc.relation.referencesen3. Nikolenko S. I. Synthetic Data for Deep Learning [Electronic resource], Sergey I. Nikolenko, 2019, Access mode: https://arxiv.org/pdf/1909.11512.pdf.
dc.relation.referencesen4. Dwork C. The Algorithmic Foundations of Differential Privacy [Text], C. Dwork, A. Roth., Foundations and Trends® in Theoretical Computer Science, 2014, Vol. 9, No 3-4, P. 211–407, DOI 10.1561/0400000042.
dc.relation.referencesen5. Minelli M. Fully homomorphic encryption for machine learning [Text], Michele Minelli., 2018, 157 p.
dc.relation.referencesen6. Communication-efficient learning of deep networks from decentralized data. [Text], [H. Brendan McMahan, E. Moore, D. Ramage and others], 2016.
dc.relation.referencesen7. Konečný J. Federated ptimization: Distributed Optimization Beyond the Datacenter [Electronic resource], J. Konečný, B. c ahan, D. Ramage, 2015, Access mode: https://arxiv.org/pdf/1511.03575.pdf.
dc.relation.referencesen8. Abadi M. Learning to Protect Communications with Adversarial Neural Cryptography [Electronic resource], M. Abadi, D. G. Andersen, 2016, Access mode: https://arxiv.org/abs/1610.06918.
dc.relation.referencesen9. Lindell Y. Secure Multiparty Computation (MPC) [Electronic resource], Yehuda Lindell - Access mode: https://eprint.iacr.org/2020/300.pdf.
dc.relation.referencesen10. Data Anonymization Techniques [Electronic resource], 2019, Access mode: https://www.solarwindsmsp.com/blog/data-anonymization-overview.
dc.relation.referencesen11. Guide to basic data anonymisation techniques [Electronic resource], Personal Data Protection Commission Singapore (PDPC), 2018, Access mode: https://iapp.org/media/pdf/resource_center/Guide_to_Anonymisation.pdf.
dc.relation.referencesen12. Brendan McMahan H. Federated Learning: Collaborative Machine Learning without Centralized Training Data [Electronic resource], H. Brendan McMahan, D. Ramage, 2017, Access mode: https://ai.googleblog.com/2017/04/federated-learning-collaborative.html.
dc.identifier.citationenOnai M. V., Severin A. I. (2023) Kompleksnyi porivnialnyi analiz metodiv zberezhennia pryvatnosti v mashynnomu navchanni [Comprehensive comparative analysis of privacy-preserving methods in machine learning]. Book of abstracts of the ⅩⅡ International scientific and practical conference of young researchers and students „Actual problems of modern technologies“ (Tern., 6-7 December 2023), pp. 406-407 [in Ukrainian].
dc.contributor.affiliationНаціональний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна
dc.citation.journalTitleМатеріали ⅩⅡ Міжнародної науково-практичної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“
dc.citation.spage406
dc.citation.epage407
dc.citation.conferenceⅩⅡ Міжнародна науково-практичноа конференція молодих учених та студентів „Актуальні задачі сучасних технологій“
Розташовується у зібраннях:XІІ Міжнародна науково-практична конференція молодих учених та студентів „Актуальні задачі сучасних технологій“ (2023)

Файли цього матеріалу:
Файл Опис РозмірФормат 
MNPK_2023_Onai_M_V-Comprehensive_comparative_406-407.pdf842,01 kBAdobe PDFПереглянути/відкрити
MNPK_2023_Onai_M_V-Comprehensive_comparative_406-407.djvu38,13 kBDjVuПереглянути/відкрити
MNPK_2023_Onai_M_V-Comprehensive_comparative_406-407__COVER.png529,84 kBimage/pngПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.