CAREER: Extending the Foundations of Privacy-Preserving Machine Learning

职业:扩展隐私保护机器学习的基础

基本信息

  • 批准号:
    2144532
  • 负责人:
  • 金额:
    $ 50.01万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Continuing Grant
  • 财政年份:
    2022
  • 资助国家:
    美国
  • 起止时间:
    2022-07-01 至 2027-06-30
  • 项目状态:
    未结题

项目摘要

Despite their numerous societal benefits, modern machine learning algorithms pose real threats to personal privacy. Differential privacy is a mathematical framework that enables designing learning algorithms with provable privacy guarantees for their input datasets. Despite the recent progress in differentially private (DP) machine learning, our current understanding of the fundamental characteristics of DP learning algorithms is very limited. This career project offers a multifaceted research plan that tackles a broad range of fundamental questions in two important areas of DP machine learning: (i) stochastic optimization and (ii) federated learning. The first is one of the most fundamental tasks in machine learning and the second is one of the most promising applications of modern machine learning. This project aims at: 1) understanding the computational and statistical limits of DP stochastic optimization algorithms, 2) building a comprehensive theory for DP stochastic non-convex optimization, which provides a firm basis for developing new DP algorithms for modern machine learning, and 3) developing new, efficient algorithmic paradigms for DP federated learning that offer meaningful and provable utility guarantees, while taking into account the evolving nature of users’ data and their incentives to participate in collaborative learning. The outcomes of this research are expected to yield the next-generation privacy-preserving learning algorithms that can be implemented for widespread practical use. This career project includes educational and outreach activities such as developing new graduate courses on optimization and differential privacy, and organizing workshops to understand the threats to data privacy in modern machine learning.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.
尽管现代机器学习算法具有许多社会效益,但它对个人隐私构成了真正的威胁。尽管差分隐私(DP)机器学习最近取得了进展,但它是一种数学框架,可以为输入数据集设计具有可证明隐私保证的学习算法。我们目前对 DP 学习算法的基本特征的理解非常有限,这个职业项目提供了一个多方面的研究计划,解决 DP 机器学习的两个重要领域的广泛基本问题:(i) 随机优化和 (ii) 联邦。学习。第一个是机器学习中最基本的任务之一,第二个是现代机器学习最有前途的应用之一,该项目旨在:1)了解 DP 随机优化算法的计算和统计限制,2)构建一个模型。 DP随机非凸优化的综合理论,为开发现代机器学习的新DP算法提供了坚实的基础,3)为DP联邦学习开发新的、高效的算法范式,提供有意义且可证明的效用保证,同时考虑到用户数据的不断变化的性质及其参与协作学习的动机,这项研究的结果预计将产生可广泛实际应用的下一代隐私保护学习算法。以及推广活动,例如关于优化和差异隐私的新研究生课程,以及组织研讨会以了解现代机器学习中数据隐私的威胁,这些活动反映了 NSF 的法定使命,并且通过使用基金会不断发展的智力价值和更广泛的影响进行评估,被认为值得支持审查标准。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Raef Bassily其他文献

Causal Erasure Channels
因果删除通道
  • DOI:
    10.1137/1.9781611973402.133
  • 发表时间:
    2014
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Raef Bassily;Adam D. Smith
  • 通讯作者:
    Adam D. Smith
Linear Queries Estimation with Local Differential Privacy
  • DOI:
  • 发表时间:
    2018-10
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Raef Bassily
  • 通讯作者:
    Raef Bassily
Coupled-Worlds Privacy: Exploiting Adversarial Uncertainty in Statistical Data Privacy
耦合世界隐私:利用统计数据隐私中的对抗性不确定性
User-level Private Stochastic Convex Optimization with Optimal Rates
具有最佳速率的用户级私人随机凸优化
Model-Agnostic Private Learning via Stability
通过稳定性实现与模型无关的私人学习
  • DOI:
  • 发表时间:
    2018
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Raef Bassily;Om Thakkar;Abhradeep Thakurta
  • 通讯作者:
    Abhradeep Thakurta

Raef Bassily的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Raef Bassily', 18)}}的其他基金

AF: Small: Collaborative Research: Rigorous Approaches for Scalable Privacy-preserving Deep Learning
AF:小型:协作研究:可扩展的隐私保护深度学习的严格方法
  • 批准号:
    1908281
  • 财政年份:
    2019
  • 资助金额:
    $ 50.01万
  • 项目类别:
    Standard Grant

相似国自然基金

构建从隔膜延伸到催化层的聚苯并咪唑交联网络用于高温质子交换膜燃料电池的研究
  • 批准号:
    22309117
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
水稻种子淀粉合成起始过程中麦芽寡糖发生、延伸和降解的分子机制研究
  • 批准号:
    32372026
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
基于深度学习方法的南海海气耦合延伸期智能预报研究
  • 批准号:
    42375143
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
SIX6OS1偶联减数分裂联会起始和延伸的机制研究
  • 批准号:
    32330032
  • 批准年份:
    2023
  • 资助金额:
    216 万元
  • 项目类别:
    重点项目
不同PDO位相下黑潮延伸体中尺度海温对北太平洋风暴轴影响的差异研究
  • 批准号:
    42305069
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

Extending the Prevention Toolbox: Exploring the Acceptability and Impact of Long-acting Injectable PrEP among MSM in Baltimore: A Pilot Study
扩展预防工具箱:探索巴尔的摩 MSM 中长效注射 PrEP 的可接受性和影响:一项试点研究
  • 批准号:
    10838855
  • 财政年份:
    2023
  • 资助金额:
    $ 50.01万
  • 项目类别:
CAREER: Recognition-Memory Modeling: Testing Foundations and Extending Boundaries
职业:识别记忆建模:测试基础和扩展边界
  • 批准号:
    2145308
  • 财政年份:
    2022
  • 资助金额:
    $ 50.01万
  • 项目类别:
    Continuing Grant
Health Outcomes around Pregnancy and Exposure to HIV/ARV (HOPE): Extending the Reach of PHACS to Examine Women's Health
围绕怀孕和接触 HIV/ARV 的健康结果 (HOPE):扩大 PHACS 的范围以检查女性健康
  • 批准号:
    10249082
  • 财政年份:
    2020
  • 资助金额:
    $ 50.01万
  • 项目类别:
Health Outcomes around Pregnancy and Exposure to HIV/ARV (HOPE): Extending the Reach of PHACS to Examine Women's Health
围绕怀孕和接触 HIV/ARV 的健康结果 (HOPE):扩大 PHACS 的范围以检查女性健康
  • 批准号:
    10437910
  • 财政年份:
    2020
  • 资助金额:
    $ 50.01万
  • 项目类别:
Trends and Dynamics in Caregiving for Alzheimer’s Disease and Related Dementias: Extending the National Study of Caregiving
阿尔茨海默病和相关痴呆症护理的趋势和动态:扩展国家护理研究
  • 批准号:
    10183129
  • 财政年份:
    2019
  • 资助金额:
    $ 50.01万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了