АРХІТЕКТУРА ПРОГРАМНОЇ СИСТЕМИ ДЛЯ ВИРІШЕННЯ ЗАДАЧІ КЛАСИФІКАЦІЇ НА ОСНОВІ ПРИВАТНИХ ДАНИХ

Автор(и)

  • МИКОЛА ОНАЙ Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Автор https://orcid.org/0000-0002-4938-8355
  • АНДРІЙ СЕВЕРІН Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Автор https://orcid.org/0009-0009-1366-8054

DOI:

https://doi.org/10.31891/2307-5732-2024-331-36

Ключові слова:

машинне навчання із збереженням приватності, архітектура програмного забезпечення, функціональне шифрування, задача класифікації

Анотація

Системи аналізу даних та штучного інтелекту набувають значного поширення у різних сферах людського життя. Це підтверджують, як більш типові випадки їх використання, зокрема підбір рекомендацій для користувача у електронній торгівлі, виявлення спаму в сервісах електронної пошти та модерація коментарів користувачів; так й випадки особистого використання таких інструментів (наприклад, впродовж останніх двох років з’явились й набули значної популярності чатботи ChatGPT, Google Bard, Microsoft Copilot). Одним з ключових елементів таких систем є дані, які є необхідними для навчання та тестування систем інтелектуального аналізу даних. Значна кількість різнопланових даних сприяє побудові програмної системи з високою точністю.

Стаття присвячена розробленню архітектури програмної системи для вирішення задачі класифікації на основі приватних даних. Розглянуто існуючі методи для збереження приватності в машинному навчанні. Запропоновано архітектуру програмної системи характерною особливістю якої є захист приватних наборів даних, шляхом функціонального шифрування, що дозволяє збільшити кількість наборів даних для навчання загальнодоступних систем аналізу даних і штучного інтелекту.

Завантаження

Опубліковано

29.02.2024

Як цитувати

АРХІТЕКТУРА ПРОГРАМНОЇ СИСТЕМИ ДЛЯ ВИРІШЕННЯ ЗАДАЧІ КЛАСИФІКАЦІЇ НА ОСНОВІ ПРИВАТНИХ ДАНИХ. (2024). Herald of Khmelnytskyi National University. Technical Sciences, 331(1), 244-247. https://doi.org/10.31891/2307-5732-2024-331-36