Garantías teóricas de algunos métodos de aprendizaje máquina en privacidad

Ponente(s): Mario Alberto Diaz Torres, Co-autores: C. Huang, FICO; P. Kairouz, Google AI; J. Liao, ASU; L. Sankar, ASU

En las últimas décadas, diversos métodos de aprendizaje máquina han probado ser de utilidad en la resolución de una amplia gama de tareas. Dada la importancia de preservar la privacidad de la información en múltiples aplicaciones, recientemente se han diseñado métodos de aprendizaje máquina con este objetivo. Además de los retos propios del aprendizaje máquina en general, en privacidad es fundamental contar con garantías teóricas acerca del desempeño de los métodos en cuestión. En la primer parte de esta plática introduciremos algunos métodos elementales de aprendizaje máquina así como algunas garantías teóricas conocidas. En la segunda parte mostraremos la relevancia de dichas garantías en el desarrollo e implementación de métodos de aprendizaje máquina en privacidad.