Übersicht
Worum es bei diesem Projekt geht.
Führe drei Model-Inversion-Attacks auf ein Gesichtserkennungs-Modell aus und implementiere Mitigations für ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie anfällig ist ein produktives Gesichtserkennungs-Modell gegen drei Standard-Model-Inversion-Attacks, und welche Mitigations sind tatsächlich wirksam?
Earning criteria — what you'll demonstrate
- Drei moderne Inversion-Attack-Familien praktisch implementieren
- Privacy-Risiko quantitativ statt anekdotisch ausdrücken
- Mitigations gegen ihre Wirksamkeit empirisch testen
- Sicherheits-Befunde auf regulatorische Anforderungen (EU AI Act) abbilden
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Privacy-Preserving Machine Learning
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenKI-Sicherheits-Forscher:in
Inversion-Audit mit EU-AI-Act-Mapping ist 2026 ein extrem gesuchtes Profil in europäischen High-Risk-AI-Unternehmen und Beratungs-Häusern.
Dieses Projekt schärft
- model-inversion
- adversarial-attacks
- eu-ai-act
Angewandte:r KI-Wissenschaftler:in
Wer Privacy-Risiken quantifiziert und auf regulatorische Anforderungen abbildet, übt die Brückenrolle, die Applied AI Scientists in Compliance-getriebenen Industrien einnehmen.
Dieses Projekt schärft
- model-inversion
- eu-ai-act
- evaluation
ML-Forscher:in
Attack-und-Defense-Forschung ist publikationsnah (USENIX Security, IEEE S&P); diese Erfahrung qualifiziert für Privacy-/Security-Research-Tracks.
Dieses Projekt schärft
- adversarial-attacks
- differential-privacy
- model-inversion
Noch eine Sache