CE23 - Intelligence Artificielle

Apprentissage automatique décentralisé et préservant la vie privée – PRIDE

Résumé de soumission

L'apprentissage automatique est omniprésent dans les applications mais soulève des problèmes de confidentialité lorsqu'il est appliqué sur des données personnelles. Le point de départ de PRIDE est que ces données doivent appartenir aux personnes qui les produisent. Ceci nécessite de revoir les algorithmes d'apprentissage afin qu'ils opèrent sur des données décentralisées tout en empêchant la reconstruction des données brutes. La differential privacy fournit une notion solide de protection, mais les algorithmes décentralisés actuels ne sont pas en mesure d’apprendre des modèles performants sous cette contrainte. Le but de PRIDE est de développer des outils théoriques et algorithmiques pour apprendre de manière décentralisée tout en garantissant la differential privacy, à travers deux objectifs: (1) prouver que les protocoles gossip renforcent naturellement les garanties; (2) proposer des algorithmes à l'intersection de l'apprentissage décentralisé et du calcul multipartite sécurisé.

Coordination du projet

Aurélien Bellet (Inria Lille - Nord Europe)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

Inria LNE - EPI MAGNET Inria Lille - Nord Europe

Aide de l'ANR 209 304 euros
Début et durée du projet scientifique : mars 2021 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter