Privacy preservation for industrial data using generative adversarial networks and differential privacy in machine learning
Makine öğrenmesinde endüstriyel veri mahremiyetinin üretken düşman ağları ve diferansiyel gizlilik kullanarak korunması
- Tez No: 824245
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRULLAH FATİH YETKİN
- Tez Türü: Doktora
- Konular: Bilgi ve Belge Yönetimi, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Yönetim Bilişim Sistemleri, Information and Records Management, Computer Engineering and Computer Science and Control, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 191
Özet
Yapay Zeka (AI) ve Makine Öğreniminin (ML) hızla yaygınlaşması, mahremiyetin korunmasına ilişkin endişeleri artırdı. Bu teknolojiler, endüstriyel IoT, sosyal medya ve çevrimiçi platformlar gibi kaynaklardan kişisel ve hassas bilgiler içeren ve gizlilik riskleri getiren kapsamlı veri kümelerine dayanır. Güçlü gizlilik koruma önlemlerinin alınması, AI ve ML uygulama risklerini azaltmak için çok önemlidir. Bu tez, AI ve ML sistemlerinde gizliliğin korunmasını incelemektedir. Araştırmamız, ML doğruluğunu korurken bir gizlilik koruma yöntemi geliştirmek için herkese açık veri kümelerinden yararlandı. Gizliliği artırmak için, yaklaşımımızı Diferansiyel Gizlilik (DP) ve Üretken Düşman Ağları (GAN) ile güçlendirdik. Etkinliğini altı gizlilik ölçüsü kullanarak değerlendirdik. Yaklaşımımız, ML performansından ödün vermeden gizliliği koruyarak fizibilite ve etkinlik göstermektedir. Ayıklanan özellik alt kümeleri, ML modelleriyle hassas verileri açığa çıkarabildiğinden, gizli hassas bilgilerin ortaya çıkarılması vurgulanmıştır. Yöntemin mahremiyet endişelerini ele almadaki etkinliğini deneysel bir çalışmada gösteriyoruz. Bulgular, AI ve ML sistemlerinde gizliliğin anlaşılmasına katkıda bulunur. Araştırma, bilgileri korumak için içgörüler ve yaklaşımlar sunarak güvenilir ML sonuçları sağlar. Bu çalışma, gizlilik bilgisini ilerleterek, gizliliğin korunmasında AI ve ML teknolojilerinin sorumlu gelişimini destekler.
Özet (Çeviri)
The rapid expansion of Artificial Intelligence (AI) and Machine Learning (ML) has raised concerns about privacy preservation. These technologies rely on extensive datasets containing personal and sensitive information from sources like industrial IoT, social media, and online platforms, introducing privacy risks. Ensuring robust privacy protection measures is crucial to mitigate AI and ML application risks. This thesis investigates privacy preservation within AI and ML systems. Our research utilized publicly available datasets to develop a privacy protection method while maintaining ML accuracy. To enhance privacy, we strengthened our approach with Differential Privacy (DP) and Generative Adversarial Networks (GAN). We evaluated its effectiveness using six privacy metrics. Our approach demonstrates feasibility and efficacy, upholding privacy without compromising ML performance. Uncovering hidden sensitive information was emphasized, as extracted feature subsets can expose sensitive data with ML models. We demonstrate the method's effectiveness in addressing privacy concerns in an experimental study. The findings contribute to understanding privacy in AI and ML systems. The research offers insights and approaches to protect information, ensuring reliable ML outcomes. By advancing privacy knowledge, this work supports the responsible deployment of AI and ML technologies in safeguarding privacy.
Benzer Tezler
- Sağlık hizmeti tasarımında sezaryen doğum deneyimi üzerinden bütüncül yolculuk haritalama yöntemi önerisi
Suggestion for a holistic journey mapping method based on the experience of caesarean section in healthcare service design
HATİCE KÜBRA YILDIZ
Doktora
Türkçe
2024
Endüstri Ürünleri Tasarımıİstanbul Teknik ÜniversitesiEndüstriyel Tasarım Ana Bilim Dalı
PROF. DR. GÜLNAME TURAN
- Türkiye'de kullanılmakta olan endüstrileşmiş dış duvar bileşenleri üzerine bir inceleme
The study of external wall components which are being used in the Turkish construction market
M.TOLGA AKBULUT
Yüksek Lisans
Türkçe
1997
Mimarlıkİstanbul Teknik ÜniversitesiBina Bilgisi Ana Bilim Dalı
PROF. DR. HASAN ŞENER
- Privacy and security enhancements of federated learning
Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri
ŞÜKRÜ ERDAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
DR. FERHAT KARAKOÇ
- Devlet eliyle kırsal yerleşmelerde yapılan konutlara yönelik değerlendirme: Erzincan örneği
Evaluation of housings constructed by the state in rural settlements Erzincan example
TÜLAY İNANÇ
Doktora
Türkçe
2024
MimarlıkGebze Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. CAHİDE AYDIN İPEKÇİ
- Gözetleme toplumu bağlamında çağdaş sosyal kontrol araçları: Kapalı devre kamera sistemleri ve toplumsal fayda ve maliyetleri-Ankara ili örneği
Contemporary social control tools in the context of surveillance society: CCTV cameras and their social benefits and costs-a case study in Ankara
ERDAL HAZAR
Yüksek Lisans
Türkçe
2012
Kamu YönetimiKara Harp Okulu KomutanlığıGüvenlik Bilimleri Ana Bilim Dalı
DR. AYÇA GELGEÇ BAKACAK