Статья «Privacy-preserving deep learning algorithm for big personal data analysis» (DOI: https://doi.org/10.1016/j.jii.2019.07.002), соавторами которой являются вице-президент НАНА, директор Института информационных технологий, академик Расим Алигулиев, заведующий отделом института, член-корреспондент НАНА, доктор технических наук Рамиз Алыгулиев и ведущий научный сотрудник, доктор философии по технике, доцент Фаргана Абдуллаева, опубликована в журнале «Journal of Industrial Information Integration», издаваемом в «Elsevier».

Сохраняя конфиденциальность (Privacy-preserving) в статье предложен метод глубокого обучения (Deep Learning) для анализа данных. Основная цель метода состоит в том, чтобы найти сенситивные данные из личных данных человека и трансформировать их в несенситивные данные. Чтобы выполнить этот процесс, предлагается использовать двухблочную архитектуру. Архитектурные блоки представляют собой две модифицированные нейронные сети «Sparse denoising Autoencoder» (выполняет функцию трансформации данных) и «Convolutional Neural Network» (которая выполняет функцию классификации трансформированных данных). В функцию цели нейронной сети автоэнкодера включена функция дивергенции Кульбака-Лейблера, чтобы минимизировать потери при трансформации данных. Предложенный метод был протестирован на данных Arrhythmia и Skoda, Cleveland medical dataset базы данных «Heart Disease dataset». В результате сравнительного анализа с существующими методами было выявлено, что предложенный метод превосходит их.

Статья подготовлена в рамках грант проекта «Разработка методов и алгоритмов обеспечения информационной безопасности в среде больших данных («Big data») некоторое их применение» (Qrant № EİF-KETPL-2-2015-1(25)- 56/05/1), финансируемого Фондом развития науки при Президенте Азербайджанской Республики.  

Отметим, что журнал «Journal of Industrial Information Integration» интексируется и реферируется в таких научных базах как «Web of Science», «Emerging Sources Citation Index» (ESCI), «Ei Compendex», «EBSCOhost», «Scopus», «INSPEC».

Журнал имеет следующие наукометрические показатели:

CiteScore: 9.80 

Source Normalized Impact per Paper (SNIP): 3.336 

SCImago Journal Rank (SJR): 1.566

Издательство предоставило 50-дневную ссылку для бесплатного доступа к статье.
authors.elsevier.com/c/1ZmFj,tmktdq0G

© Всеправазащищены. При использовании информации гиперссылка на сайт www.iсt.az обязательна.