Geri Dön

Oto kodlayıcı ve parçalı ağ yapılarına dayalı dikey federe öğrenme modelleri geliştirilmesi

Development of vertical federated learning models based on autoencoders and split network structures

PDF İndir

  1. Tez No: 1019188
  2. Yazar: HAYRİ ÖZTÜRK
  3. Danışmanlar: PROF. DR. BAHRİYE AKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Günümüzde yapay zekâ sistemlerinin sağlık ve finans gibi hassas veri içeren alanlarda kullanımının artması, KVKK ve GDPR gibi yasal düzenlemeler nedeniyle veri gizliliği ve güvenliği problemlerini beraberinde getirmektedir. Bu bağlamda, verilerin tek bir merkezde toplanmadan işlenmesini sağlayan ve özellikle verilerin kurumlar arasında özellik bazında bölündüğü senaryolara çözüm sunan Dikey Federe Öğrenme (VFL) mimarileri öne çıkmaktadır. Ancak bu mimarilerde; özellik temsillerinin yeterince güçlü olmaması, model optimizasyonunun karmaşıklığı ve ara katman temsillerinin paylaşımı sırasında oluşabilecek bilgi sızıntısı riskleri gibi temel zorluklar bulunmaktadır. Bu tez çalışmasında, dikey federe öğrenme mimarisinin temsil öğrenme kapasitesini artırılması ve gizlilikten ödün vermeden yapay zekâ eğitimi yapılması amacıyla parçalı öğrenme ile otokodlayıcı tabanlı temsil öğrenme mekanizmalarını birleştiren hibrit mimariler önerilmiştir. Önerilen bu mimariler, farklı veri setleri ve farklı istemci sayıları altında gerçekleştirilen deneyler ile değerlendirilmiştir. Elde edilen sonuçlar, otokodlayıcı tabanlı oluşturulan mimarilerin görüntü veri setleri için daha anlamlı ve sıkıştırılmış temsil uzayları oluşturduğunu, bu sayede klasik parçalı dikey federe öğrenme (VFL Split) mimarisinden daha başarılı sonuçlar elde edildiği görülmüştür.

Özet (Çeviri)

Nowadays, the increasing use of artificial intelligence systems in domains involving sensitive data, such as healthcare and finance, brings along concerns regarding data privacy and security due to legal regulations such as KVKK and GDPR. In this context, Vertical Federated Learning (VFL) architectures, which enable data to be processed without being centralized and provide solutions particularly for scenarios where data is partitioned across institutions on a feature basis, have emerged as a prominent approach. However, there are several fundamental challenges in these architectures, such as insufficiently expressive feature representations, the complexity of model optimization, and the risk of information leakage during the sharing of intermediate representations. In this thesis, hybrid architectures that combine split learning with autoencoder-based representation learning mechanisms are proposed in order to enhance the representation learning capacity of vertical federated learning architectures and to enable artificial intelligence training without compromising data privacy. The proposed architectures are evaluated through experiments conducted on different datasets and under varying numbers of clients. The obtained results demonstrate that the autoencoder-based architectures produce more meaningful and compact representation spaces for image datasets, thereby achieving better performance compared to the classical split-based Vertical Federated Learning (VFL Split) architecture.

Benzer Tezler

  1. Tez No

    924146

    Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi

    A novel deep learning-based intrusion detection system for internet of things networks

    KEMAL AKKANAT

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. MUHARREM TOLGA SAKALLI

  2. Tez No

    1000097

    Automotive radar interference mitigation with next generation sequence models

    Yeni nesil dizi modelleri ile otomotiv radarlarında girişim giderme

    ELİF ÖZTÜRK KOÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  3. Tez No

    762353

    Deep image compression with a unified spatial and channel context auto-regressive model

    Birleştirilmiş uzaysal ve kanal içerik özbağlanım modeli ile derin görüntü sıkıştırma

    ALİ SEFKAN ULUDAĞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH KAMIŞLI

  4. Tez No

    724959

    Kötü hava koşullarında otonom araçlar için matematiksel programlama temelli yaklaşımlar

    Mathematical programming based solutions for autonomous vehicle in adverse weather

    ASLICAN ÇAĞLAYAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri MühendisliğiEskişehir Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE ÇİMEN

  5. Tez No

    794186

    Paylaşım ekonomisi bağlamında müşteri memnuniyetinin işbirlikçi tüketim platformu marka sadakati üzerindeki etkisinin S-O-R modeli ile analizi

    Analysis of the effect of customer satisfaction on collaborative consumption platform brand loyalty in the context of sharing economy with S-O-R model

    KUDRET ARMAĞAN

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeBurdur Mehmet Akif Ersoy Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. NİL ESRA DAL

Geri Dön