Administrative information

Title	Privacy in Machine Learning
Duration	90 min
Module	B
Lesson Type	Lecture
Focus	Ethical - Trustworthy AI
Topic	Privacy

Keywords

Adversary models,Training data extraction,Membership attack,Model extraction,

Learning Goals

Understanding of privacy risks in machine learning

Distinguish training data and model extractions attacks/threats
Learn adversarial modelling and threat analysis in AI
Learn the principles of AI privacy auditing
Distinguish membership and reconstruction attacks
Distinguish membership attack and model inversion

Expected Preparation

Learning Events to be Completed Before

Obligatory for Students

basics of machine learning,
basic linear algebra,
basic function analysis

Optional for Students

None.

References and background for students:

Recommended for Teachers

A School for all Seasons on Trustworthy Machine Learning

Lesson Materials

The materials of this learning event are available under CC BY-NC-SA 4.0.

Instructions for Teachers

This course provides a general introduction to different confidentiality issues of Machine learning. Teachers are recommended to use real-life examples to demonstrate the practical relevance of these vulnerabilities especially for privacy-related issues whose practical relevance is often debated and considered as an obstacle to human development. Students must understand that privacy risks can also slow down progress (parties facing confidentiality risks may be reluctant to share their data). It focuses on the basic understanding needed to recognize privacy threats for the purpose of auditing machine learning models. Related practical skills can be further developed in more practical learning events:

Outline


Duration (min)	Description	Concepts
20	Machine Learning: Recap	Learning algorithm, Classification, Neural networks, Gradient descent, confidence scores
5	Adversary models	White-box, Black-box attacks
20	Membership attack	Target model, Attacker model, Differential Privacy
20	Modell inversion	Gradient descent with respect to input data, reconstruction of class average
20	Model extraction	Re-training, parameter reconstruction, mitigations
5	Conclusions

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

Colofon

Het arrangement Lecture: Privacy and machine learning is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

Auteur: HCAIM Consortium
Laatst gewijzigd: 2024-05-15 11:15:32
Licentie: Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat

het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken

voor alle doeleinden, inclusief commerciële doeleinden.

Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

Aanvullende informatie over dit lesmateriaal

Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

Toelichting: .
Eindgebruiker: leerling/student
Moeilijkheidsgraad: gemiddeld
Studiebelasting: 4 uur en 0 minuten

Gebruikte Wikiwijs Arrangementen

HCAIM Consortium. (z.d.).

Acknowledgement

https://maken.wikiwijs.nl/198386/Acknowledgement

HCAIM Consortium. (z.d.).

Lecture: Introduction to privacy and risk

https://maken.wikiwijs.nl/200135/Lecture__Introduction_to_privacy_and_risk

Downloaden

Het volledige arrangement is in de onderstaande formaten te downloaden.

Metadata

Metadata overzicht (Excel)

LTI

Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

Arrangement

IMSCC package

Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

IMSCC package

Meer informatie voor ontwikkelaars

Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.