Analisi di algoritmi di Machine Learning privatizzati

My thesis work focuses on the application of Differential Privacy to Machine Learning problems. Differential Privacy emerges as a statistical technique with the aim of minimizing privacy related risk in the analysis of data containing sensitive information. The aim is achieved by randomizing the analysis' algorithm, causing therefore a loss in their accuracy. In the proposed work we analize the privatization of some Machine Learning algorithms and compare them according to their accuracy.

Il mio lavoro di tesi si focalizza sull'applicazione della Differential Privacy ai problemi di Machine Learning. la Differential Privacy emerge come una tecnica statistica con lo scopo di minimizzare i rischi legati alla privacy nell'analisi di dataset in cui sono presenti informazioni sensibili. Tale scopo viene raggiunto randomizzando gli algortimi di analisi, comportando in tal modo una perdita nella loro accuratezza. Nel lavoro proposto analizziamo la privatizzazione di alcuni algoritmi di Machine Learning e li compariamo in base alla loro accuratezza.