Sở thích và chuyên môn

Machine learning (ML) đã trở thành công cụ không thể thiếu trong nhiều lĩnh vực như y tế, tài chính và bán lẻ, giúp xây dựng các mô hình dự đoán hiệu quả. Gần đây, sự phổ biến của các nền tảng ML as a service (ML dưới dạng cung cấp dịch) đã mở ra cơ hội mới trong việc ứng dụng công nghệ này. Việc tận dụng các bộ dữ liệu lớn từ nhiều nguồn khác nhau đã cải thiện đáng kể độ chính xác trong quá trình đào tạo mô hình. Tuy nhiên, việc thu thập dữ liệu quy mô lớn cũng đặt ra những thách thức về bảo mật thông tin.

Công việc của tôi tập trung vào việc đào tạo các mô hình học máy bảo mật trong hai cài đặt, đó là multi-party computation và federated learning. Đối với multi-party computation (MPC), các công trình hiện tại sử dụng các giao thức tốn kém như garbled circuits để tính toán các hàm non-linear activation và đạo hàm của chúng, vì việc tính toán các hàm này trong cài đặt MPC là một thách thức về mặt kỹ thuật. Tương tự, đối với cài đặt federated learning, đạt được sự bảo mật dữ liệu phải trả giá bằng việc đào tạo kém hiệu quả. Công việc của tôi tập trung vào việc thiết kế và triển khai các giao thức mới để đào tạo máy học đảm bảo tính bảo mật, đồng thời mang tính thực tế và hiệu quả để sử dụng trong thế giới thực.

Bình luận

Tại Supra, tôi đã tham gia vào nhiều vấn đề nghiên cứu khác nhau bao gồm Distributed Key Generation (DKG), cụ thể là tôi đã làm việc trên Class group DKG. Tôi cũng đã tham gia vào việc triển khai các giao thức mật mã và thư viện khác nhau.