Calendrier d’événements

De nos jours, de nombreuses études publient des données sur des bases de données sensibles, mais comment s'assurer qu'elles ne dévoilent pas d'informations sur des individus pris séparément ? Nous allons voir comment nous pouvons concevoir un lambda-calcul dont les fonctions bien typées ne dévoilent aucune information (ou très peu) sur un individu en particulier.

Le problème "Module Learning With Errors" (M-LWE) est une hypothèse calculatoire fondamentale en cryptographie sur les réseaux Euclidiens qui offre un compromis intéressant entre efficacité et sécurité des cryptosystèmes qui en résultent. Ce problème est paramétré par une distribution de secret ainsi qu'une distribution d'erreur. Il y a encore aujourd'hui un fossé entre le choix … Continue reading Séminaire Algo : Corentin Jeudy (Orange Labs, Rennes) « Vers la Difficulté de « Module Learning With Errors » avec Distributions Courtes »

Je commencerai par quelques rappels sur les processus généraux qui produisent des mots, appelés sources, leurs séries génératrices, leur entropie et leur poids de Shannon. Je mentionnerai les sources simples (les sources sans mémoire, les chaînes de Markov). Puis, j’introduirai le modèle des VLMC (= Variable Length Markov Chains) qui se situe juste « au-dessus … Continue reading Séminaire Algo : Brigitte Vallée (GREYC, Caen) « Variations autour du modèle des VLMC (= Variable Length Markov Chains) »