[Statlist] séminaire sur la confidentialité

[MATEI Alina Gabriela]

L'Institut de statistique, Université de Neuchâtel et le groupe « Enquêtes » de la SFdS (Société Française de Statistique) organisent le jeudi 8 février 2024 à 14h00 (CET) le séminaire en ligne :
« La confidentialité différentielle pour protéger les renseignements personnels » par Anne-Sophie Charest


L'événement est gratuit et ouvert à tous et toutes. Vous pouvez rejoindre le séminaire en utilisant le lien suivant :

https://unine.webex.com/unine/j.php?MTID=mc3f741157df31202bcfbbffc73643a9c

Webinar number:
2744 647 8224

Webinar password:
ZZyyJuv4W53 (99995884 from video systems)

****************************************************************************************************************************************

Jeudi 8 février 2024 à 14h00 (CET)

Invitée : Anne-Sophie Charest (Université de Laval, Canada)

Titre : La confidentialité différentielle pour protéger les renseignements personnels

Résumé : La confidentialité différentielle a pour but de permettre l’analyse statistique d’un jeu de données sans révéler les informations personnelles des participants. Pour ce faire, elle mesure formellement l’impact pour un individu d’accepter de faire partie d’un jeu de données à partir duquel seront publiées certaines statistiques. C’est une approche qui gagne en popularité tant chez les chercheurs qu’en pratique, et qui est d’ailleurs utilisée par le Census Bureau pour la publication des données du recensement américain de 2020. Je vous propose ici une introduction peu technique à la confidentialité différentielle, mettant l’accent sur l’interprétation de la mesure et les outils nécessaires à sa mise en œuvre dans différents contextes.

Biographie : Anne-Sophie Charest est une professeure agrégée en statistique au Département de mathématiques et de statistique de l’Université Laval. Elle est titulaire d’un baccalauréat Honours in Probability and Statistics de l’université McGill, à Montréal, ainsi que d’une maîtrise et d’un doctorat en statistique de l’université Carnegie Mellon, à Pittsburgh. Elle travaille sur la protection de la confidentialité de données statistiques. Elle s’intéresse particulièrement à la génération de jeux de données synthétiques ainsi qu’à la méthodologie statistique requise pour analyser de tels jeux de données. Elle travaille également sur la mesure des risques de divulgation de données sensibles, notamment par le biais de la confidentialité différentielle. Professeure Charest est membre du Centre de Recherche en Données Massives et de l’Institut Intelligence et Données de l’Université Laval​.