AMEA İnformasiya Texnologiyaları İnstitutunda 2 saylı şöbənin “Gizliliyi qorumaqla böyük verilənlərin klassifikasiyası üsulu” mövzusuna həsr olunmuş növbəti seminarı keçirildi.
Məruzəni təqdim edən institutun aparıcı elmi işçisi, texnika üzrə fəlsəfə doktoru, dosent Fərqanə Abdullayeva böyük həcmli zaman sırası verilənlərində fərdi məlumatların gizliliyinin qorunmasında dərin təlim üsullarının tətbiqinin aktuallığını qeyd etdi.
Bildirdi ki, son zamanlar “ağıllı” qurğuların geniş istifadəsi ilə böyük verilənlərin meydana gəlməsi, bu verilənlərdə şəxslərin davranışları, tranzaksiyaları, sosial media məlumatları, tibbi yazılarda sağlamlıqla bağlı məlumatların mövcud olması gizliliklə bağlı problemləri daha da aktuallaşdırmışdır.
Məruzəçinin sözlərinə görə, verilənlərin gizliliyi və verilənlərin təhlükəsizliyi terminləri sinonim kimi istifadə olunsa da, verilənlərin təhlükəsizliyi verilənlərin yalnız icazəli şəxslərə əlyetər olmasına zəmanət verir və verilənlərin təhlükəsizliyini təmin etmək üçün girişin idarə edilməsi mexanizmlərindən istifadə edir. Verilənlərin gizliliyi isə verilənlərin qanuni yolla istifadə olunacağına zəmanət verir və verilənlərin gizliliyinin qorunmasını verilənləri anonimləşdirməklə təmin edir.
“Sensitiv məlumatların anonimliyinin qorunması üçün istifadə edilən klassik metodlar böyük həcmli zaman sırası verilənlərində sensitiv məlumatların müəyyən edilməsində olduqca böyük problemlərlə qarşılaşırlar”, – deyə bildirən F.Abdullayeva qeyd etdi ki, bu çətinliklərin aradan qaldırılması üçün fərdi məlumatların gizliliyinin qorunmasında dərin təlim yanaşmalarından istifadə edilməsi təklif edilir.
Məruzəçi fərdi məlumatların gizliliyini qorumaqla verilənlərin analizini həyata keçirmək üçün təklif etdiyi avtoenkoderlərə əsaslanan dərin təlim üsulunu diqqətə çatdırdı: “Üsulun əsas məqsədi şəxsin fərdi məlumatları içərisindən sensitiv məlumatların tapılması və onların qeyri-sensitiv məlumatlara transformasiya olunmasıdır. Bu prosesi həyata keçirmək üçün işdə iki blokdan ibarət arxitektura təklif edilmişdir. Arxitekturanın bloklarını modifikasiya olunmuş “sparse denoising auto-encoder” (verilənlərin transformasiyası funksiyasını yerinə yetirir) və Convolutional Neural Network (transformasiya olunmuş verilənlərin klassifikasiyası funksiyasını yerinə yetirir) adlı iki neyron şəbəkə təşkil edir”.
O, təklif edilmiş yanaşmada gizliliyin qorunmasında dəqiq nəticələr əldə etmək üçün avtoenkoderin hiperparametrlərinin optimallaşdırıldığını, verilənlərin transformasiyasında itkiyə az yol verilməsinə nail olmaq üçün avtoenkoderin məqsəd funksiyasına Kullback-Leibler divergence funksiyası şəklində seyrəklik parametrinin daxil edildiyini də qeyd etdi.
F.Abdullayeva rekonstruksiya olunmuş verilənlərin klassifikasiyasını aparmaq üçün avtoenkoderlə kodlaşdırılmış verilənlərin CNN-də giriş verilənləri kimi istifadə edildiyini söylədi. Üsulun effektivliyinin bir neçə verilənlər bazasında sınaqdan keçirildiyini və bir sıra metrikalar üzrə qiymətləndirildiyini, həmçinin təklif edilmiş yanaşmanın tətbiqi ilə sensitiv məlumatların transformasiyasında yüksək dəqiqlik əldə edildiyini diqqətə çatdırdı.
Sonda məruzə ətrafında müzakirələr aparıldı, suallar cavablandırıldı. Şöbə müdiri, texnika üzrə fəlsəfə doktoru, dosent Yadigar İmamverdiyev bu istiqamətdə tədqiqatların daha da dərinləşdirilməsini tövsiyə etdi, təkliflərini səsləndirdi.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.
