Семинар Катедре за вероватноћу и статистику, 28. март 2023.
- 24. Март, 2023
- Коментари (0)
Наредни састанак Семинара биће одржан у уторак, 28. марта 2023, у сали 840 Математичког факултета са почетком у 16.15. Биће одржана два предавања.
Предавање 1
Предавач: Андријана Марјановић, Машински факултет (докторанд на Математичком факултету)
Наслов предавања: МЕХАНИЗАМ ЛОКАЛНЕ ДИФЕРЕНЦИЈАЛНЕ ПРИВАТНОСТИ ПРИ ГЕНЕРИСАЊУ ПРЕПОРУКА ФИЛМОВА
Апстракт: Брзим развојем информационих технологија, огромна количина података се прикупља на бројним платформама у сврху анализе понашања корисника. На основу тога генеришу се препоруке производа којима би корисници могли дати предност. Због опасности које прате откривање осетљивих информација јавља се забринутости за приватност податка. На предавању ће бити приказани механизми заштите приватности података који се користе за генерисање препорука на платформама за гледање филмова.
Литература:
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
Предавање 2
Предавач: Данијел Алексић, Факултет организационих наука и Математички факултет (докторанд на Математичком факултету)
Наслов предавања: ДИФЕРЕНЦИЈАЛНА ПРИВАТНОСТ: ИЗАЗОВ ЊЕНОГ ОЧУВАЊА ПРИ НЕКОМПЛЕТНОМ УЗОРКУ
Абстракт: Недостајући подаци представљају редовну појаву у модерној науци, и сами по себи представљају велику препреку за даљу анализу. Такође, чести понављањем једне вредности при попуњавању нарушава се приватност јединке којој она оригинално припада. У предавању се даје преглед најновијих резултата у погледу очувања својства диференцијалне приватности при неопходности импутације недостајућих података.
Предавање ће бити базирано на раду
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
Напомена: Предавања је могуће пратити и онлајн, путем следећег линка:
https://zoom.us/j/96079062444?pwd=WlVSWXM4b1kzeFkvZTNMNkM1a0Rjdz09
Meeting ID: 960 7906 2444
Passcode: 552277
Коментари(0)