Apprentissage Machine Inconscient - Cogito ergo sum - Je pense à quoi ? Je suis qui ? Le ML en pleine crise d’identité
Talk, Fédération Informatique de Lyon, Lyon, France
%La vidéo du séminaire est disponible ici
Talks (since 2024)
Un protocole SMPC de curation de données d’entrainement et sa fragilité aux hypothèses de sécurité : Sécurité et insécurité - dans quel état j’erre, ai-je bien rangé mon modèle de sécurité ?
Talk, IRISA, CREACH LABS, Rennes, France
La vidéo du séminaire est disponible ici
An SMPC training data curation protocol and its fragility to security assumptions : Being actors of our own privacy failure
Talk, Shonan post meeting on Biggest Failures of Privacy, Montréal, Montréal, Québec, Canada
In this talk, I presented the challenges faced when using a blackbox privacy enhancing technology, in particular regarding its asumptions. I illustrated the complexity of trusting the promises of confidentiality of the inputs, in particular when using a SMPC mechanism where the participants, or an eavesdropper, learn only the output of the mechanism. From the output of CryptoGraph, a mechanism for privately curating graph data, an adversary is able to reconstruct most of the input of the participants.
Un protocole SMPC de curation de données d’entrainement et sa fragilité aux hypothèses de sécurité : Sécurité et insécurité - dans quel état j’erre, ai-je bien rangé mon modèle de sécurité ?
Talk, LAAS-CNRS, Toulouse, France
De nos jours, les sources de données, et leurs curateurs, sont répartis à travers le monde. Il arrive que les propriétaires de ces données souhaitent collaborer entre eux afin d’augmenter la qualité de ces données, particulièrement avant d’entrainer des modèles d’apprentissage machine.
Confidentiality in Machine Learning
Talk, Mobilit'AI conference, Montréal, Montréal, Québec, Canada
In this talk, I introduced the challenges of confidentiality, and more generally security, in machine learning as I chaired the Confidentiality session of the Mobilit’AI 2024 Conference.
De l’usage du chiffrement homomorphe dans l’apprentissage machine : Confiance et Confidentialité des données et des modèles
Talk, CyberEco CyberConférence, Montréal, Montréal, Québec, Canada
Dans cette présentation, j’ai présenté les enjeux de confiance dans l’IA et le ML, exposé quelques pisptes explorées dans mon équipe relatives au chiffrement homomorphe et quelques avenues de travaux futurs.
Confidentiality in Machine Learning
Talk, EDCC conference, Leuven, Leuven, Belgium
In this talk, I introduced the challenges of confidentiality, and more generally security, in machine learning and some research avenues from my research group.