Fondamenti di Calcolo Sicuro: Protocolli per la Preservazione della Privacy

In un mondo in cui la privacy dei dati è fondamentale, come possiamo analizzare informazioni sensibili senza esporle a terze parti? Il Calcolo Multi-Parte Sicuro (MPC) risolve questa sfida consentendo a più parti di calcolare congiuntamente una funzione sui loro input mantenendo tali input privati. Questo corso basato su testo ti guida dalle basi assolute della crittografia alla comprensione del funzionamento dei moderni protocolli di calcolo sicuro nella pratica. Passerai da principiante a qualcuno in grado di spiegare e progettare con sicurezza flussi di lavoro di base per la preservazione della privacy. Cosa imparerai: Comprendere i principi fondamentali della crittografia e del calcolo multi-parte sicuro; Esplorare schemi di condivisione segreta, incluso lo Schema di Condivisione Segreta di Shamir, per distribuire dati privati in modo sicuro; Analizzare i Circuiti Contraffatti (Garbled Circuits) di Yao e i protocolli di Trasferimento Oblivious (Oblivious Transfer) per il calcolo sicuro a due parti; Imparare come vengono utilizzati i moderni framework MPC nell'apprendimento automatico e nell'analisi dei dati per la preservazione della privacy; Valutare i modelli di sicurezza, distinguendo tra avversari semi-onesti e malevoli; Fare pratica nella progettazione di flussi di lavoro di calcolo sicuro attraverso scenari scritti passo dopo passo ed esercizi concettuali. Il corso inizia con le definizioni crittografiche essenziali e i modelli di sicurezza, costruendo gradualmente fino ai complessi protocolli multi-parte e alle loro applicazioni nel mondo reale nell'analisi privata dei dati. Questo corso è progettato per sviluppatori di software, data scientist e appassionati di sicurezza che sono nuovi alla crittografia e desiderano imparare come calcolare su dati crittografati. Non è richiesta alcuna conoscenza pregressa di matematica avanzata. Inizia a leggere oggi per padroneggiare i fondamenti del calcolo sicuro e per la preservazione della privacy.