<div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div>All,</div><div> </div><div>BUsec will focus on topics in privacy for the next two weeks. </div>


<div> </div><div>

Our seminar tomorrow will be replaced by a CS colloquium by Sofya Raskhodnikova on node-level privacy in graphical datasets. Sofya is faculty at Penn State who is also visiting faculty at BU this year.  **Note unusual time and place:** The colloquium will start at 11AM on Wednesday in MCS148.</div>




<div> </div><div>Next week week, we will have a talk by Raef Bassily, a postdoc at Penn State. Abstracts below.</div><div> </div><div>Hope to see you all then!<br> Sharon<br>
<br> BUsec Calendar:  <a href="http://www.bu.edu/cs/busec/" target="_blank">http://www.bu.edu/cs/busec/</a><br> BUsec Mailing list:  <a href="http://cs-mailman.bu.edu/mailman/listinfo/busec" target="_blank">http://cs-mailman.bu.edu/mailman/listinfo/busec</a><br>








 How to get to BU from MIT:  Try the CT2 bus or MIT&#39;s &quot;Boston Daytime<br> Shuttle&quot; <a href="http://web.mit.edu/facilities/transportation/shuttles/daytime_boston.html" target="_blank">http://web.mit.edu/facilities/transportation/shuttles/daytime_boston.html</a><br>








<br>*******</div><div>Private Analysis of Graphs<br>Speaker: <span name="Sofya Raskhodnikova">Sofya Raskhodnikova</span> </div><div>Wed Oct 2, 11-12AM.</div><div>MCS148 at 111 Cummington St, Boston</div><div><br>We discuss algorithms for the private analysis of network data. Such algorithms work on data sets that contain sensitive relationship information (for example, romantic ties). Their goal is to compute approximations to global statistics of the graph while protecting information specific to individuals. Our algorithms satisfy a rigorous notion of privacy, called node differential privacy. Intuitively, it means that an algorithm&#39;s output distribution does not change significantly when a node and all its adjacent edges are removed from a graph. We present several techniques for designing node differentially private algorithms. We also develop methodology for analyzing the accuracy of such algorithms on realistic networks. Our techniques are based on combinatorial analysis, network flow, and linear and convex programming.</div>




<div><div><br>Based on joint work with Shiva Kasiviswanathan, Kobbi Nissim and Adam Smith</div></div><div> </div><div>******</div><div> </div><div>Title: Coupled-Worlds Privacy: Exploiting Adversarial Uncertainty in Statistical Data Privacy</div>




<div>Speaker:  Raef Bassily, Penn State University.</div><div>Wednesday Oct 2, 10AM</div>

<div>MCS137</div><div> </div><div> Abstract: <br>In this talk, I will present a new framework for defining privacy in statistical databases that enables reasoning about and exploiting adversarial uncertainty about the data. Roughly, our framework requires indistinguishability of the real world in which a mechanism is computed over the real dataset, and an ideal world in which a simulator outputs some function of a “scrubbed” version of the dataset (e.g., one in which an individual user’s data is removed). In each world, the underlying dataset is drawn from the same distribution in some class (specified as part of the definition), which models the adversary’s uncertainty about the dataset.</div>






<div> </div><div>I will argue that our framework provides meaningful guarantees in a broader range of settings as compared to previous efforts to model privacy in the presence of adversarial uncertainty. I will also present several natural, “noiseless” mechanisms that satisfy our definitional framework under realistic assumptions on the distribution of the underlying data. </div>






<div> </div><div>Joint work with Adam Groce, Jonathan Katz, and Adam Smith, appearing in FOCS 2013<span><font color="#888888"><br></font></span><br clear="all"><br>-- <br>Sharon Goldberg<br>Computer Science, Boston University<br>


<a href="http://www.cs.bu.edu/~goldbe" target="_blank">http://www.cs.bu.edu/~goldbe</a>
</div></div></div></div></div></div></div></div>