کتاب MPC برای یادگیری ماشین حفظ‌کننده حریم خصوصی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره MPC برای یادگیری ماشین حفظ‌کننده حریم خصوصی

موضوع کلی: امنیت اطلاعات و رمزنگاری کاربردی

موضوع میانی: محاسبات امن چندجانبه (Secure Multiparty Computation)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین حفظ حریم خصوصی
  • 2. مروری بر امنیت اطلاعات و رمزنگاری
  • 3. مفاهیم پایه‌ای محاسبات امن چندجانبه (MPC)
  • 4. انواع پروتکل‌های MPC: مقدمه و دسته‌بندی
  • 5. بررسی پروتکل‌های Shamir Secret Sharing
  • 6. بررسی پروتکل‌های Garbled Circuits
  • 7. بررسی پروتکل‌های Homomorphic Encryption
  • 8. مبانی ریاضی مورد نیاز برای MPC (حساب پیمانه‌ای، چندجمله‌ای‌ها)
  • 9. پیاده‌سازی MPC: ابزارها و کتابخانه‌های متن‌باز
  • 10. MPC در مقابل حملات مختلف: مدل‌های امنیتی
  • 11. حفظ حریم خصوصی تفاضلی (Differential Privacy) و ارتباط آن با MPC
  • 12. یادگیری ماشین فدرال (Federated Learning) و MPC
  • 13. استفاده از MPC در آموزش مدل‌های یادگیری ماشین
  • 14. MPC برای پیش‌بینی و طبقه‌بندی داده‌ها
  • 15. MPC برای خوشه‌بندی داده‌ها
  • 16. MPC برای رگرسیون
  • 17. MPC برای شبکه‌های عصبی
  • 18. محاسبه امن توابع ارزیابی مدل
  • 19. MPC برای ارزیابی مدل‌های یادگیری ماشین
  • 20. بهبود کارایی پروتکل‌های MPC برای یادگیری ماشین
  • 21. بهینه‌سازی ارتباطات در MPC
  • 22. استفاده از سخت‌افزار برای تسریع محاسبات MPC
  • 23. بررسی پروتکل‌های MPC با تحمل خطا (Fault Tolerance)
  • 24. حملات کانال جانبی (Side-Channel Attacks) در MPC و مقابله با آن‌ها
  • 25. حفظ حریم خصوصی در داده‌های ورودی و خروجی MPC
  • 26. MPC برای داده‌های سریالی زمانی
  • 27. MPC برای داده‌های گرافیکی
  • 28. استفاده از MPC در مجموعه داده‌های بزرگ (Big Data)
  • 29. MPC و حریم خصوصی در اینترنت اشیا (IoT)
  • 30. MPC و حریم خصوصی در بلاک‌چین
  • 31. MPC و یادگیری تقویتی حفظ حریم خصوصی
  • 32. بررسی موارد استفاده عملی MPC در صنایع مختلف
  • 33. چالش‌ها و محدودیت‌های MPC در یادگیری ماشین
  • 34. آینده MPC و تحقیقات در این حوزه
  • 35. پیاده‌سازی یک نمونه MPC ساده برای یک مدل یادگیری ماشین
  • 36. ارزیابی عملکرد MPC در مقایسه با روش‌های سنتی
  • 37. بررسی پروتکل‌های MPC پیشرفته (مثلاً SPDZ، ABY)
  • 38. تلفیق MPC با تکنیک‌های دیگر حفظ حریم خصوصی (مانند Secure Aggregation)
  • 39. مفاهیم مربوط به اثبات صحت محاسبات در MPC (Verification)
  • 40. بررسی پروتکل‌های MPC برای یادگیری ماشین با برچسب (Supervised Learning)
  • 41. بررسی پروتکل‌های MPC برای یادگیری ماشین بدون برچسب (Unsupervised Learning)
  • 42. بررسی پروتکل‌های MPC برای یادگیری ماشین نیمه نظارتی (Semi-Supervised Learning)
  • 43. مقایسه و ارزیابی کتابخانه‌های MPC مختلف
  • 44. طراحی و معماری یک سیستم MPC برای یادگیری ماشین مقیاس‌پذیر
  • 45. امنیت و استانداردسازی در پیاده‌سازی MPC
تگ‌ها: Data Privacy Differential Privacy Federated Learning Homomorphic Encryption Machine Learning Security MPC PPML Privacy Preserving Machine Learning Secure Aggregation Secure Multiparty Computation حریم خصوصی داده رمزنگاری محاسبات امن یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.