From db7711271299271784597d7260f63d27d2a18749 Mon Sep 17 00:00:00 2001
From: Jan Aalmoes <jan.aalmoes@inria.fr>
Date: Fri, 13 Dec 2024 10:52:09 +0100
Subject: =?UTF-8?q?orhtographe=20derni=C3=A8re=20cerification?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 ckoi.tex | 65 ++++++++++++++++++++++++++++++++++++++++++++++------------------
 1 file changed, 47 insertions(+), 18 deletions(-)

(limited to 'ckoi.tex')

diff --git a/ckoi.tex b/ckoi.tex
index 9922989..3dd2806 100644
--- a/ckoi.tex
+++ b/ckoi.tex
@@ -64,7 +64,7 @@
 \begin{frame}
     \frametitle{L'IA comme produit}
     \begin{minipage}{270px}
-    \includegraphics[width=\linewidth]{images/ckoi/gafam.png}
+    \includegraphics[width=\linewidth]{images/ckoi/gafam2.png}
     \end{minipage}
     \begin{minipage}{120px}
     \footnotesize
@@ -138,6 +138,11 @@ prédictions, du contenu, des recommandations ou des décisions qui peuvent infl
     \usebackgroundtemplate{\includegraphics[width=\paperwidth]{images/background/toc/background.pdf}}
 \begin{frame}
 
+\Large
+\underline{Introduction}
+\pause
+\normalsize
+
     IA : enjeux, fonctionnement et modélisation de l'apprentissage automatique
     \vspace{10px}
     \pause
@@ -146,6 +151,11 @@ prédictions, du contenu, des recommandations ou des décisions qui peuvent infl
     \vspace{10px}
     \pause
 
+\Large
+\underline{Contributions}
+\pause
+\normalsize
+
     \emph{L'apprentissage ensembliste pour attaquer l'attribut sensible}
     \vspace{10px}
     \pause
@@ -404,28 +414,39 @@ age : 85 sex : 1 race : 0
     \begin{minipage}[t]{0.45\linewidth}
         \centering
         \input{tikz/attack_mia}
-        Inférence de l'appartenance aux données d'entraînement (MIA)
+        Inférence de l'appartenance aux données d'entraînement (MIA\textsuperscript{1})
     \end{minipage}
     \hspace{10px}
     \begin{minipage}[t]{0.45\linewidth}
         \centering
         \input{tikz/attack}
-        Inférence d'un attribut sensible (AIA)
+        Inférence d'un attribut sensible (AIA\textsuperscript{2})
     \end{minipage}
+
+    \vspace{40px}
+    \footnotesize
+1. \textit{Membership Inference Attack}
+
+2. \textit{Attribute Inference Attack}
 \end{frame}
 
 \begin{frame}
     \frametitle{Imposer l'équité}
     \emph{L'algorithme d'entraînement peut être modifié pour imposer l'équité au modèle final.}
     \begin{itemize}
-        \item \textit{FairGrad: Fairness Aware Gradient Descent}, Gaurav Maheshwari and Michaël Perrot, 2022.
-        \item \textit{Mitigating Unwanted Biases with Adversarial Learning}, Brian Hu Zhang and Blake Lemoine and Margaret Mitchell, 2018.
-        \item 
-             \textit{A reductions approach to fair classification.}
-             Agarwal, A. and  Beygelzimer, A. and Dudík, M. and Langford, J. and Wallach, H., 2018
-        %\item \textit{Deep Learning with Differential Privacy},
-        %     Martín Abadi and Andy Chu and Ian Goodfellow, 2016.
+        \item Apprentissage adverse avec deux réseaux de neurones en compétition\textsuperscript{1}
+        \item Optimisation sous contrainte : approche problème primal/dual\textsuperscript{2,3}
     \end{itemize}
+
+    \vspace{40px}
+    \footnotesize
+    1. \textit{Mitigating Unwanted Biases with Adversarial Learning}, Brian Hu Zhang and Blake Lemoine and Margaret Mitchell, 2018.
+    
+    2. \textit{FairGrad: Fairness Aware Gradient Descent}, Gaurav Maheshwari and Michaël Perrot, 2022.
+
+
+    3. \textit{A reductions approach to fair classification.}
+    Agarwal, A. and  Beygelzimer, A. and Dudík, M. and Langford, J. and Wallach, H., 2018
 \end{frame}
 
 \begin{frame}
@@ -433,16 +454,23 @@ age : 85 sex : 1 race : 0
     \begin{itemize}
         \item  \emph{Il y a un compromis à faire entre équité et MIA.}
             \begin{itemize}
-                \item \textit{On the Privacy Risks of Algorithmic Fairness},
-                Hongyan Chang and Reza Shokri, 2021.
-                \item \textit{Differential Privacy Has Disparate Impact on Model Accuracy}, Eugene Bagdasaryan and Cornell Tech and Omid Poursaeed and Cornell Tech and Vitaly Shmatikov, 2019.
+                \item Imposer l'équité augmente le risque de MIA\textsuperscript{1}
+                \item Mitiger le risque de MIA avec de la confidentialité différentielle induit des inéquités \textsuperscript{2}
             \end{itemize}
-        \pause
         \item \emph{L'équité et l'AIA présentent des similarités.}
             \begin{itemize}
-                \item \textit{Mitigating Unwanted Biases with Adversarial Learning}, Brian Hu Zhang and Blake Lemoine and Margaret Mitchell, 2018.
+                \item Mitiger le risque AIA implique de rendre le modèle équitable\textsuperscript{3}
             \end{itemize}
     \end{itemize}
+
+    \vspace{30px}
+    \footnotesize
+    1. \textit{On the Privacy Risks of Algorithmic Fairness},
+                Hongyan Chang and Reza Shokri, 2021.
+
+    2. \textit{Differential Privacy Has Disparate Impact on Model Accuracy}, Eugene Bagdasaryan and Cornell Tech and Omid Poursaeed and Cornell Tech and Vitaly Shmatikov, 2019.
+
+    3. \textit{Mitigating Unwanted Biases with Adversarial Learning}, Brian Hu Zhang and Blake Lemoine and Margaret Mitchell, 2018.
 \end{frame}
 
 \begin{frame}
@@ -457,11 +485,12 @@ age : 85 sex : 1 race : 0
             \caption{Après rééquilibrage adverse}
         \end{subfigure}
     \end{figure}
-    \textit{Mitigating Unwanted Biases with Adversarial Learning}, Brian Hu Zhang and Blake Lemoine and Margaret Mitchell, 2018.
 
-    \vspace{50px} 
+    \vspace{40px} 
     \footnotesize
-    \textsuperscript{1}\textit{Adversarial debiasing}
+    1. \textit{Adversarial debiasing}
+
+    \textit{Mitigating Unwanted Biases with Adversarial Learning}, Brian Hu Zhang and Blake Lemoine and Margaret Mitchell, 2018.
 \end{frame}
 
 \begin{frame}
-- 
cgit v1.2.3