Titre :	Apprentissage automatique préservant la confidentialité: Cas d’étude du chiffrement homomorphe sur les algorithmes de machine learning
Type de document :	texte imprimé
Auteurs :	Serigne Saliou Gueye, Auteur
Editeur :	Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique
Année de publication :	[2021]
Importance :	69 P.
Format :	29 cm
Langues :	Français (fre)
Mots-clés :	informatique en nuage  cloud computing  apprentissage automatique  chiffrement homomorphe  confidentialité  donnée
Résumé :	La dépendance accrue au cloud computing a fait que la confidentialité des données stockées et traitées par des fournisseurs de service cloud tier devient de plus en plus préoccupante .Parmi les nombreuses solutions permettant de préserver la confidentialité des calculs, le chiffrement homomorphe est une direction prometteuse. Le chiffrement homomorphe a plusieurs applications qui peuvent être utilisées pour effectuer des calculs sur des données chiffrées sans les déchiffrer.Dans ce mémoire, nous nous concentrons sur la réalisation de l’apprentissage automatique préservant la confidentialité (PPML) à l’aide du chiffrement homomorphe. Notre principale motivation derrière le choix de PPML est l’utilisation accrue d’algorithmes d’apprentissage automatique sur les données de l’utilisateur final à des fins de prédiction ou de classification, où la confidentialité des données de l’utilisateur final est en jeu. Ainsi dans ce mémoire nous allons faire l’etude du chiffrement homomorphe et l’ application de ce dernier sur les algorithmes de machine learning pour ainsi garantir la confidentialité des données traitées au cours de l’apprentissage automatique
Permalink :	https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=726

Apprentissage automatique préservant la confidentialité: Cas d’étude du chiffrement homomorphe sur les algorithmes de machine learning [texte imprimé] / Serigne Saliou Gueye, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, [2021] . - 69 P. ; 29 cm.
Langues : Français (fre)

Mots-clés :	informatique en nuage  cloud computing  apprentissage automatique  chiffrement homomorphe  confidentialité  donnée
Résumé :	La dépendance accrue au cloud computing a fait que la confidentialité des données stockées et traitées par des fournisseurs de service cloud tier devient de plus en plus préoccupante .Parmi les nombreuses solutions permettant de préserver la confidentialité des calculs, le chiffrement homomorphe est une direction prometteuse. Le chiffrement homomorphe a plusieurs applications qui peuvent être utilisées pour effectuer des calculs sur des données chiffrées sans les déchiffrer.Dans ce mémoire, nous nous concentrons sur la réalisation de l’apprentissage automatique préservant la confidentialité (PPML) à l’aide du chiffrement homomorphe. Notre principale motivation derrière le choix de PPML est l’utilisation accrue d’algorithmes d’apprentissage automatique sur les données de l’utilisateur final à des fins de prédiction ou de classification, où la confidentialité des données de l’utilisateur final est en jeu. Ainsi dans ce mémoire nous allons faire l’etude du chiffrement homomorphe et l’ application de ce dernier sur les algorithmes de machine learning pour ainsi garantir la confidentialité des données traitées au cours de l’apprentissage automatique
Permalink :	https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=726