Семинар Катедре за вероватноћу и статистику 28. март 2023. – Катедра за вероватноћу и статистику

У уторак 28.3. у 16:15, сала 840 биће одржана два предавања докторанада Математичког факултета:

Андријана Марјановић (Машински факултет, УБ)
МЕХАНИЗАМ ЛОКАЛНЕ ДИФЕРЕНЦИЈАЛНЕ ПРИВАТНОСТИ ПРИ ГЕНЕРИСАЊУ ПРЕПОРУКА ФИЛМОВА

Summary: 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.

Предавање је засновано на следећим радовима:

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

Данијел Алексић (ФОН, УБ)
ДИФЕРЕНЦИЈАЛНА ПРИВАТНОСТ: ИЗАЗОВ ЊЕНОГ ОЧУВАЊА ПРИ НЕКОМПЛЕТНОМ УЗОРКУ

Summary: 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 је засновано 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

Семинару је могуће присуствовати и онлајн.
Линк за приступ је Join Zoom Meeting
Meeting ID: 960 7906 2444 Passcode: 552277