Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • NOTRE IMPACT
    • Pourquoi le CIFAR?
    • Pôles d’impact
    • Nouvelles
    • Stratégie du CIFAR
    • Favoriser la résilience de la Terre
    • Impact IA
    • Impact des dons
    • CIFAR 40
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Chaires en IA Canada-CIFAR
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
    • Répertoire du personnel
  • Soutenez-nous
  • À propos
    • Notre histoire
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Équité, diversité et inclusion
    • Déclaration du CIFAR sur la neutralité institutionnelle
    • Sécurité de la recherche
  • en
  • Accueil
  • Bio

Suivez-nous

nicolas-3-square2

Nicolas Papernot

La nomination

Coresponsable de programme, Programme de recherche de l’Institut canadien de la sécurité de l’IA (ICSIA) au CIFAR

Titulaire de chaire en IA Canada-CIFAR

Stratégie pancanadienne en matière d’IA

Connect

Université de Toronto

Google Scholar

À Propos

Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2019

Nicolas Papernot est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur, professeur adjoint au département de génie électrique et informatique au Département d’informatique et à la Faculté de droit de l’Université de Toronto, ainsi que membre du corps professoral à l’Institut Schwartz Reisman. 

Ses recherches portent sur la sécurité informatique et la protection des renseignements personnels en apprentissage automatique. Avec ses collègues, il a fait la démonstration des premières attaques réelles de réseaux de neurones profonds en boîte noire. Ses travaux sur la confidentialité différentielle pour l’apprentissage automatique impliquent le développement d’une famille d’algorithmes appelés Private Aggregation of Teacher Ensembles (PATE) ont facilité les recherches sur la confidentialité différentielle d’autres chercheurs. Les articles de blogue suivants publiés sur le site cleverhans.io constituent un bon point de départ pour en apprendre davantage sur les travaux de son groupe : preuves d’apprentissage, apprentissage collaboratif au-delà de la fédération, conclusions à partir d’ensembles de données, désapprentissage automatique, apprentissage automatique différentiellement privé et exemples contradictoires. 

Prix

  • Prix McCharles du meilleur chercheur en début de carrière, 2024
  • Bourse de recherche AI2050 pour les chercheurs en début de carrière, Schmidt Sciences, 2024
  • Prix du meilleur article, Conférence internationale sur l’apprentissage de représentations (ICLR), 2024
  • Prix de la meilleure communication orale, Conférence internationale sur l’apprentissage de représentations (ICLR), 2023
  • Collège de nouveaux chercheurs et créateurs en art et en science, Société royale du Canada, 2023
  • Bourse de recherche Alfred P. Sloan, 2022
  • Bourse de recherche pour les chercheurs en début de carrière, ministère des Collèges et universités, 2022
  • Prix pour un article exceptionnel, Conférence internationale sur l’apprentissage de représentations (ICLR), 2022
  • Prix du meilleur article, Conférence internationale sur l’apprentissage de représentations (ICLR), 2017
  • Bourse doctorale en sécurité, Google, 2016

Publications Pertinentes

  • Thudi, A., Jia, H., Meehan, C., Shumailov, I. et Papernot, N. (2023). « Gradients look alike: Sensitivity is often overestimated in DP-SGD », Proceedings of the 33rd USENIX Security Symposium.
  • Shumailov, I., Shumaylov, Z., Zhao, Y., Gal, Y., Papernot, N. et Anderson, R. (2023). « The curse of recursion: Training on generated data makes models forget ».
  • Boenisch, F., Dziedzic, A., Schuster, R., Shahin Shamsabadi, A., Shumailov, I. et Papernot, N. (2021). « When the curious abandon honesty: Federated learning is not private », Proceedings of the 8th IEEE European Symposium on Security and Privacy, Delft, Pays-Bas.
  • Maini, P., Yaghini, M. et Papernot, N. (2021). « Dataset inference: Ownership resolution in machine learning », Proceedings of the 9th International Conference on Learning Representations.
  • Bourtoule, L., Chandrasekaran, V., Choquette-Choo, C. A., Jia, H., Travers, A., Zhang, B., Lie, D. et Papernot, N. (2020). « Machine unlearning », Proceedings of the 42nd IEEE Symposium on Security and Privacy, San Francisco (Cal.).
  • Papernot, N., Abadi, M., Erlingsson, U., Goodfellow, I. et Talwar, K. (2017). « Semi-supervised knowledge transfer for deep learning from private training data », Proceedings of the 5th International Conference on Learning Representations, Toulon, France.

institut

Institut Vecteur

Schwartz Reisman Institute

Université de Toronto

Département

Génie électrique et informatique, Informatique, droit

Éducation

  • PhD (informatique et génie), Université d’État de Pennsylvanie
  • MSc (génie), École centrale de Lyon
  • BSc (génie), École centrale de Lyon

Pays

Canada

Soutenez-nous

L’Institut canadien de recherches avancées (CIFAR) est une organisation de recherche d’influence mondiale fièrement basée au Canada. Nous mobilisons les plus brillants personnes du monde, dans toutes les disciplines et à tous les stades de carrière, pour faire progresser les connaissances transformatrices et résoudre ensemble les plus grands problèmes de l’humanité. Nous recevons l’appui des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de particuliers, d’entreprises et d’organisations partenaires du Canada et du monde entier.

Dons
CIFAR footer logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2025 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Fields marked with an * are required

I prefer to register in English (click here)


S'abonner aux bulletins d'information du CIFAR: *

Vous pouvez vous désabonner de ces communications à tout moment. Consultez notrepolitique de confidentialité.

 À titre d’abonné, vous recevrez aussi un exemplaire numérique de REACH, notre revue annuelle qui met en lumière nos chercheurs et leurs découvertes au moyen d’articles de fond, d’entrevues et d’illustrations.


Si vous souhaitez recevoir une édition papier de la revue REACH, veuillez fournir les renseignements supplémentaires suivants :


Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus

Notifications