İlgi alanları ve uzmanlık

Makine öğrenimi (ML), sağlık, finans ve perakende dahil olmak üzere çeşitli alanlarda kullanılmak üzere tahmine dayalı modelleri eğitmek için kullanılmaktadır ve son yıllarda ML-as-a-service platformları çok popülerlik kazanmıştır. Çeşitli kaynaklardan elde edilen büyük veri kümelerinin kullanılması, bu modellerin eğitim doğruluğunu artırmaya yardımcı olur, ancak bu kadar büyük veri toplama, ciddi gizlilik endişeleri doğurur.

Çalışmam, çok partili hesaplama ve federe öğrenme ortamları olmak üzere iki ortamda makine öğrenimi modellerinin gizliliği koruyan eğitimine odaklanmaktadır. Çok partili hesaplama (MPC) ortamı için, mevcut çalışmalar doğrusal olmayan aktivasyon fonksiyonlarını ve türevlerini hesaplamak için bozuk devreler gibi pahalı protokoller kullanmaktadır, çünkü bu fonksiyonları bir MPC ortamında hesaplamak teknik olarak zordur. Benzer şekilde, federe öğrenme ortamı için veri gizliliğinin eğitim verimsizliği gibi bir maliyeti vardır. Çalışmalarım, gizliliği koruyan makine öğrenimi eğitimi için gerçek dünyada da kullanılabilecek pratik ve verimli yeni protokoller tasarlamaya ve uygulamaya odaklanıyor.

Yorum

Supra'da, özellikle Sınıf grubu DKG üzerinde çalıştığım Dağıtılmış Anahtar Üretimi (DKG) dahil olmak üzere çeşitli araştırma problemlerinde yer aldım. Ayrıca çeşitli kriptografik protokollerin ve kütüphanelerin uygulanmasında da yer aldım.