Zajedničko strojno učenje uz očuvanje privatnosti

Sažetak na hrvatskom: U radu je opisan i implementiran protokol za zajedničko strojno učenje uz očuvanje privatnosti. Prilikom njegovog opisa, definirani su i kriptografski primitivi koji se koriste u njegovoj implementaciji. Takod̄er su se formalno definirala i analizirala njegovih ciljeva i sigurn...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:51377/Details
Glavni autor: Škudar, Silvije (-)
Ostali autori: Đerek, Ante (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, S. Škudar, 2019.
Predmet:
LEADER 02245na a2200229 4500
003 HR-ZaFER
008 160221s2019 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid6958 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Škudar, Silvije  |9 40664 
245 1 0 |a Zajedničko strojno učenje uz očuvanje privatnosti :  |b završni rad /  |c Silvije Škudar ; [mentor Ante Đerek]. 
246 1 |a Privacy-preserving collaborative machine learning  |i Naslov na engleskom:  
260 |a Zagreb,  |b S. Škudar,  |c 2019. 
300 |a 31 str. ;  |c 30 cm +  |e CD-ROM 
502 |b preddiplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2019-06-14, datum završetka: 2019-07-12 
520 3 |a Sažetak na hrvatskom: U radu je opisan i implementiran protokol za zajedničko strojno učenje uz očuvanje privatnosti. Prilikom njegovog opisa, definirani su i kriptografski primitivi koji se koriste u njegovoj implementaciji. Takod̄er su se formalno definirala i analizirala njegovih ciljeva i sigurnosnih svojstava u kontekstu pasivnog i aktivnog suparnika. Dalje, pokazuju se neke osnovne tehnike strojnog učenja i njegova funkcionalnost je testirana na konkretnom primjeru logističke regresije. Konačno, opisuju se neki poznati napadi koji mogu narušiti njegovu funkcionalnost ili privatnost korisničkih podataka. 
520 3 |a Sažetak na engleskom: This thesis describes a privacy-preserving collaborative machine learning protocol and provides its implementation. Alongside its description, it also defines the cryptographic primitives used in its implementation. Also, it presents a formal definition and analysis of its goals and security properties in the context of passive and active adversaries. Further, common machine learning techniques are shown and the functionality of the protocol is tested on a concrete implementation of logistic regression. Finally, the thesis describes some known attacks that can compromise its functionality or the privacy of users' data. 
653 1 |a strojno učenje  |a zajedničko učenje  |a privatnost 
653 1 |a machine learning  |a collaborative learning  |a privacy 
700 1 |a Đerek, Ante  |4 ths  |9 35048 
942 |c Z 
999 |c 51377  |d 51377