Seminar Katedre za verovatnoću i statistiku, 28. mart 2023.
- 24. Mart, 2023
- Komentari (0)
Naredni sastanak Seminara biće održan u utorak, 28. marta 2023, u sali 840 Matematičkog fakulteta sa početkom u 16.15. Biće održana dva predavanja.
Predavanje 1
Predavač: Andrijana Marjanović, Mašinski fakultet (doktorand na Matematičkom fakultetu)
Naslov predavanja: MEHANIZAM LOKALNE DIFERENCIJALNE PRIVATNOSTI PRI GENERISANjU PREPORUKA FILMOVA
Apstrakt: Brzim razvojem informacionih tehnologija, ogromna količina podataka se prikuplja na brojnim platformama u svrhu analize ponašanja korisnika. Na osnovu toga generišu se preporuke proizvoda kojima bi korisnici mogli dati prednost. Zbog opasnosti koje prate otkrivanje osetljivih informacija javlja se zabrinutosti za privatnost podatka. Na predavanju će biti prikazani mehanizmi zaštite privatnosti podataka koji se koriste za generisanje preporuka na platformama za gledanje filmova.
Literatura:
N. Jeyamohan, X. Chen, N. Aslam. Local Differentially Private Matrix Factorization For Recommendations in 13th International Conference on Software, Knowledge, Information Management and Applications (SKIMA), 2019. DOI: https://doi.org/10.1109/SKIMA47702.2019.8982536
A. Berlioz, A. Friedman, M. A. Kaafar, R. Boreli, S. Berkovsky. Applying differential privacy to matrix factorization in RecSys '15: Proceedings of the 9th ACM Conference on Recommender Systems, 2015. DOI: https://doi.org/10.1145/2792838.2800173
J, Yang, X. Li, Z. Sun, J. Zhang. A differential privacy framework for collaborative filtering in Mathematical Problems in Engineering, 2019. DOI: https://doi.org/10.1155/2019/1460234
Predavanje 2
Predavač: Danijel Aleksić, Fakultet organizacionih nauka i Matematički fakultet (doktorand na Matematičkom fakultetu)
Naslov predavanja: DIFERENCIJALNA PRIVATNOST: IZAZOV NjENOG OČUVANjA PRI NEKOMPLETNOM UZORKU
Abstrakt: Nedostajući podaci predstavljaju redovnu pojavu u modernoj nauci, i sami po sebi predstavljaju veliku prepreku za dalju analizu. Takođe, česti ponavljanjem jedne vrednosti pri popunjavanju narušava se privatnost jedinke kojoj ona originalno pripada. U predavanju se daje pregled najnovijih rezultata u pogledu očuvanja svojstva diferencijalne privatnosti pri neophodnosti imputacije nedostajućih podataka.
Predavanje će biti bazirano na radu
Chris Clifton, Eric J. Hanson, Keith Merill, Shawn Merill (2022). Differentially Private k-Nearest Neighbor Missing Data Imputation. ACM Transactions on Privacy and Security, Vol. 25, No. 3, DOI: https://doi.org/10.1145/3507952
Napomena: Predavanja je moguće pratiti i onlajn, putem sledećeg linka:
https://zoom.us/j/96079062444?pwd=WlVSWXM4b1kzeFkvZTNMNkM1a0Rjdz09
Meeting ID: 960 7906 2444
Passcode: 552277
Komentari(0)