大数据隐私保护
课程编码：1802030839X2P3003H
英文名称：Big Data Privacy Preserving
课时：40
学分：2.00
课程属性：专业课
主讲教师：陈小军
教学目的要求
本课程是是为网络空间安全等相关专业研究生开设的专业课，课程重点讲述在大数据时代面临的隐私安全问题，讲述隐私保护数据发布，隐私保护计算，人工智能与隐私保护}等基础理论知识，并对大数据隐私保护热点应用进行实践和分析，深化知识理解。通过本课程的学习，使得学生能够掌握数据发布、数据处理和人工智能中隐私保护实用技术的原理和应用，为未来开展大数据安全和人工智能安全方面的科学研究奠定基础。
预修课程
大数据安全、现代密码学、人工智能
大纲内容
第一章 大数据隐私保护概述 3.0学时 陈小军
第1节 数据治理与数据隐私基本概念
第2节 大数据隐私保护法律法规
第3节 大数据隐私保护技术概述
第二章 大数据差分隐私技术 3.0学时 陈小军
第1节 差分隐私基础
第2节 差分隐私噪声机制
第3节 差分协议与算法
第4节 大数据差分隐私应用
第三章 安全多方计算与隐私保护 12.0学时 陈小军
第1节 安全多方计算基础知识
第2节 茫然传输协议及优化
第3节 基于布尔电路的安全多方计算
第4节 基于算术电路的安全多方计算
第5节 安全多方计算中的电路转化技术
第6节 基于安全多方计算的隐匿查询
第7节 基于安全多方计算的机器学习
第四章 联邦学习中的隐私保护技术 12.0学时 陈小军
第1节 联邦学习框架和原理介绍
第2节 基于秘密分享的联邦学习
第3节 基于同态加密的联邦学习
第4节 基于加性掩码的联邦学习
第5节 联邦学习中的模型安全基础
第6节 模型窃取攻击与防御
第7节 后门攻击与防御
第五章 大数据隐私保护实践应用 6.0学时 陈小军
第1节 分布式学习场景下的数据安全实践
第2节 分布式学习场景下的模型安全实践
第六章 课程总结与考试 4.0学时 陈小军
第1节 课程总结
第2节 开卷考试
参考书
1、
大数据安全与隐私保护
冯登国
2019年5月
北京邮电大学出版社
2、
实用安全多方计算导论
美国 戴维.埃文斯(David Evans),费拉基米尔.科列斯尼科夫(Vladimir Kolesnikov)，迈克.罗苏莱克(Mike Rosulek)著；刘巍然 丁晟超译
2021年7月
机械工业出版社
3、
联邦学习
杨强，刘洋，陈勇，康焱，陈天健，于涵著
2020年4月
电子工业出版社
4、
深入浅出密码学——常用加密技术原理与应用
Christof Paar / Jan Pelzl著；马小婷译
2012年9月
清华大学出版社
课程教师信息
陈小军，中科院信工所，研究员，科学院特聘骨干研究员，国科大岗位教授，长期从事数据安全，模型安全和隐私保护方面的工作。
赵振东，中科院信工所博后，研究方向为大模型安全与隐私保护。