Интересы и экспертиза

Машинное обучение (ML) используется в различных областях, включая здравоохранение, финансы и ритейл, для обучения предсказательным моделям, и в последние годы платформы ML-as-a-service приобрели большую популярность. Использование больших наборов данных из различных источников помогает улучшить точность обучения этих моделей, но такая массовая коллекция данных вызывает серьезные проблемы конфиденциальности.

Моя работа сосредоточена на обучении моделей машинного обучения с сохранением конфиденциальности в двух настройках: многопользовательских вычислений и федеративного обучения. Для настройки многопользовательских вычислений (MPC) текущие работы используют дорогостоящие протоколы, например, шифрованные схемы для вычисления нелинейных функций активации и их производных, так как вычисление этих функций в настройке MPC технически сложно. Аналогично, для настройки федеративного обучения конфиденциальность данных достигается за счет снижения эффективности обучения. Моя работа направлена на разработку и реализацию новых протоколов для обучения моделей машинного обучения с сохранением конфиденциальности, которые также практичны и эффективны для использования в реальном мире.

Комментарий

"В Supra я занимался различными научными проблемами, включая распределенную генерацию ключей (DKG), в частности, я работал над DKG на основе класс-групп. Я также участвовал в реализации различных криптографических протоколов и библиотек.

Избранные научные публикации