This paper explores the synergy between machine learning and differential privacy to safeguard sensitive data in the information age. It addresses the significance of machine learning in data-driven decision-making and introduces differential privacy as a key technique to ensure data privacy. Practical applications are examined, and Federated Learning is mentioned as a distributed approach.

Questo elaborato esplora il connubio tra machine learning e differential privacy per proteggere i dati sensibili nell'era dell'informazione. Affronta l'importanza del machine learning nelle decisioni basate sui dati e presenta la differential privacy come una tecnica chiave per garantire la privacy dei dati. Vengono esaminate applicazioni pratiche e menzionato il Federated Learning come approccio distribuito.

MODELLI DI MACHINE LEARNING PRIVATI CON DIFFERENTIAL PRIVACY

PONTRANDOLFO, MARCO
2022/2023

Abstract

This paper explores the synergy between machine learning and differential privacy to safeguard sensitive data in the information age. It addresses the significance of machine learning in data-driven decision-making and introduces differential privacy as a key technique to ensure data privacy. Practical applications are examined, and Federated Learning is mentioned as a distributed approach.
2022
DIFFERENTIAL PRIVACY IN PRIVATE MACHINE LEARNING MODELS
Questo elaborato esplora il connubio tra machine learning e differential privacy per proteggere i dati sensibili nell'era dell'informazione. Affronta l'importanza del machine learning nelle decisioni basate sui dati e presenta la differential privacy come una tecnica chiave per garantire la privacy dei dati. Vengono esaminate applicazioni pratiche e menzionato il Federated Learning come approccio distribuito.
File in questo prodotto:
File Dimensione Formato  
TESI GIUSTA Con Liberatoria .pdf

File consultabile da postazioni biblioteca

Descrizione: tesi di laurea
Dimensione 3.35 MB
Formato Adobe PDF
3.35 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/66406