Phillipp Schoppmann
Phillipp Schoppmann studierte Informatik an der Humboldt-Universität zu Berlin und an der University of Edinburgh. Seit Oktober 2016 ist er Doktorand und wissenschaftlicher Mitarbeiter am Lehrstuhl für Technische Informatik der HU Berlin, wo er Forschung in den Bereichen Sicherheit, Privacy, Kryptographie und Multi-Party-Computation betreibt. Während dieser Zeit verbrachte er mehrere Monate im Ausland, im Rahmen zweier Forschungsaufenthalte am Alan Turing Institute in London, sowie bei Google in New York. Seit Juni 2019 ist Phillipp assoziierter Forscher am HIIG und bearbeitet dort das Thema “Secure Multiparty Computation for Machine Learning and Healthcare Applications” im Rahmen des Forschungsprogramms “Daten, Akteure, Infrastrukturen”.
Zeitschriftenartikel und Konferenzbeiträge
Stammler, S., Kussel, T., Schoppmann, P., Stampe, F., Tremper, G., Katzenbeisser, S., Hamacher, K., & Lablans, M. (2020). Mainzelliste SecureEpiLinker (MainSEL): Privacy-Preserving Record Linkage using Secure Multi-Party Computation. Bioinformatics. DOI: 10.1093/bioinformatics/btaa764 Weitere Informationen
Schoppmann, P., Vogelsang, L., Gascón, A., & Balle, B. (2020). Secure and Scalable Document Similarity on Distributed Databases: Differential Privacy to the Rescue. Proceedings on Privacy Enhancing Technologies, 2020(2), 209–229. DOI: 10.2478/popets-2020-0024 Weitere Informationen
Vogelsang, L., Lehne, M., Schoppmann, P., Prasser, F., Thun, S., Scheuermann, B., & Schepers, J. (2020). A Secure Multi-Party Computation Protocol for Time-To-Event Analyses. IOS Press Ebook Series: Studies in Health Technology and Informatics, 270: Digital Personalized Health and Medicine, 8–12. DOI: 10.3233/SHTI200112 Weitere Informationen
Schoppmann, P., Gascón, A., Reichert, L. , and Raykova, M. (2019). Distributed Vector-OLE: Improved Constructions and Implementation. CCS '19: Proceedings of the 2019 ACM SIGSAC Conference on Computer and Communications Security, 1055–1072. DOI: 10.1145/3319535.3363228 Weitere Informationen
Schoppmann, P., Gascón, A., Raykova, M., and Pinkas, B. (2019). Make Some ROOM for the Zeros: Data Sparsity in Secure Distributed Machine Learning. CCS '19: Proceedings of the 2019 ACM SIGSAC Conference on Computer and Communications Security, 1335–1350. DOI: 10.1145/3319535.3339816 Weitere Informationen
Gascón, A. , Schoppmann, P., Balle, B. , Raykova, M., Doerner, J., Zahur, S. , and Evans, D. (2017). Privacy Preserving Distributed Linear Regression on High-Dimensional Data. Proceedings on Privacy Enhancing Technologies (PETS '17), 2017, 2017(4), 345-364. DOI: 10.1515/popets-2017-0053 Weitere Informationen
Vorträge
Make Some ROOM for the Zeros - Data Sparsity in Secure Distributed Machine LearningTheory and Practice of Multi-Party Computation Workshop (Session: Theory and Practice of Multi-Party Computation Workshop). Bar-Ilan University. Bar-Ilan University, Tel Aviv, Israel: 15.11.2019 Weitere Informationen
Phillipp Schoppmann
Make Some ROOM for the Zeros - Data Sparsity in Secure Distributed Machine LearningLondon Crypto Day 2019 (Session: London Crypto Day 2019). Google London, London, United Kingdom: 11.10.2019 Weitere Informationen
Phillipp Schoppmann
Make Some ROOM for the Zeros - Data Sparsity in Secure Distributed Machine LearningOblivious Data Structures and Algorithms Workshop (Session: Oblivious Data Structures and Algorithms Workshop). ODSA: Oblivious Data Structures and Algorithms. University Residential Center l, Bertinoro, Italy: 17.07.2019 Weitere Informationen
Phillipp Schoppmann
Organisation von Veranstaltungen
CCS 2019 Workshop: PRIVACY PRESERVING MACHINE LEARNINGCCS 2019 Workshop: PRIVACY PRESERVING MACHINE LEARNING. 15.11.2019. London, London, United Kingdom. Co-Organised by: Borja Balle, Adrià Gascón, Olya Ohrimenko, Mariana Raykova, Carmela Troncoso (International) Weitere Informationen
Phillipp Schoppmann
Position
Ehem. Assoziierter Forscher: Daten, Akteure, Infrastrukturen
