A hivatalos tantárgyi adatlap és tárgykövetelmények a kar szerverén találhatók. Erről az oldalról a tárggyal kapcsolatos legfrissebb adminisztratív információkat, az előadások anyagát, és egyéb fontos tudnivalókat lehet letölteni illetve elérni. Ennek megfelelően ez az oldal folyamatos frissítés alatt áll.
A tárgy részletes betekintést nyújt a gépi tanulási modellek támadhatóságának, megkerülésének problémáiba, valamint az azok ellen létező védekezési technikákba. A tárgyat elvégző hallgatók olyan elméleti és gyakorlati ismereteket szereznek, melyek a gépi modellek biztonságossá tételének alapját képezik. Továbbá a tárgy lehetővé teszi a fenyegetettségek megértését és felmérését, az alkalmas védelmi technológiák kiválasztását és integrálását. A tárgy célja olyan ismeretek átadása, mely mára már a mindennapokban használt gépi tanulási modellek elengedhetetlen része.
A szorgalmi időszakban 1 db nagy házi feladat elvégzése, és legalább elégséges szintű teljesítése. A házi feladat szakcikkek feldolgozása és előadása. A cikkeket az első órán osztjuk ki, minden diák 1 cikket kap. A bevezető órák után következik a cikkek bemutatása. Egy cikket körülbelül 30-40 perc alatt kell előadni egy hallgatónak a csoport számára. Előadás közben bármilyen segédanyag használható. A cikkek feldolgozásához segítséget nyújtunk a hallgatóknak. Továbbá, csak az a hallgató kaphat jegyet, aki az órák legalább 80%-án részt vett. (Ez 10 órát jelent!) Sem a vizsgaidőszakban sem a szorgalmi időszakban nincs külön zh vagy vizsga, csak a fentieknek kell megfelelni.
Megbeszélés szerint, az előadóval előre egyeztetett időpontban.
Please contact the lecturer to schedule an appointment.
Dátum | Téma | Előadó | |
---|---|---|---|
2023.02.28 | |||
2023.03.07 | Membership Inference & Unlearning | ||
2023.03.14 | Reconstrction & Privacy | ||
2023.03.21 | Privacy & Fairness | ||
2023.03.28 | Availability & Poisoning | ||
2023.04.04 | Poisoning | ||
2023.04.11 | Tavaszi szünet | ||
2023.04.18 | Privacy/Fairness with Poisoning | ||
2023.04.25 | Evasion | ||
2023.05.02 | Evasion & Explainability | ||
2023.05.09 | Backdoor | ||
2023.05.16 | Model Extraction | ||
2023.05.23 | Trade-Off 1 | ||
2023.05.30 | Trade-Off 2 |