課程大綱

課程資訊
學年期 Semester	1142	課程代碼 Course Code	CS5164701
課程名稱 Course Title	隱私資訊安全 Data Privacy and Security
學分數 Credits	3	選必修 Required/Elective	選修 /半學年
上課時間教室 Time/Location	R6(TR-409-1) R7(TR-409-1) R8(TR-409-1)
先修課程 Prerequisite(s)
授課教師 Lecturer	王紹睿 Peter S. Wang
專業核心能力 Core Professional Competencies	■具備實驗設計與驗證能力 ■能發掘並解決問題

以下課程內容資料由授課教師提供
課程相關網址 Course Website	http://
課程宗旨 Objective of The Course	本課程主要探討人工智慧(AI)安全領域，特別關注AI系統中的資料隱私問題。課程內容涵蓋以下主題：AI系統(如大型語言模型)可能如何洩露使用者的個人資訊、分散式AI計算框架(如聯邦式學習)中的潛在隱私與安全風險，以及Google、Facebook等主要AI公司如何解決這些問題的技術。在課程中，我們將探討與這些挑戰相關的隱私與安全理論基礎，並介紹各種保護技術，包括隱私去識別化技術Differential Privacy、K-anonymity等，密碼學技術Homomorphic Encryption、Proxy Re-Encryption等，安全多方運算技術Secure Multi-Party Computation。本學期以中文授課，歡迎大二以上選修(提供授權碼)，會先簡單介紹AI和資安的基礎內容。
課程大綱 Outline of Lectures	Part I. Introduction 1. Introduction to Data Privacy and Security 2. Introduction to AI/Machine Learning Part II. De-identification Method 1. K-anonymity 2. L-diversity 3. T-closeness 4. Differential Privacy 5. Local Differential Privacy Part III. Cryptography-based Method 1. The basics of Cryptography 2. Homomorphic Encryption 3. Proxy Re-Encryption and other cryptography-based schemes 4. Hybrid method Part IV. Secure Multi-Party Computation 1. Secure Multi-Party Computation 2. Secret Sharing 3. Distributed Computing Applications (Federated Learning, etc.) Part V. Other Recent Issues and Applications: LLM Privacy Part VI. Discussion and final report presentation
教科書 Textbook	Recent journal & conference papers S.R. Aravilli, "Privacy-Preserving Machine Learning: A use-case-driven approach to building and protecting ML pipelines from privacy and security threats", Packt Publishing, 2024. *J.M. Chang, D. Zhuang, and G.D. Samaraweera, "Privacy-Preserving Machine Learning", Manning, 2023.
參考書目 References	*Recent journal & conference papers
修課學生須知 Notice of course enrollment
評量方式 Grading	Homework: 60% Final and Midterm Report : 40%
備註說明 Note