Дослідницька група з KAUST зробила значний крок у напрямку вирішення виклику інтеграції штучного інтелекту (AI) з геномними даними забезпечуючи конфіденційність осіб. Завдяки поєднанню набору алгоритмів збереження конфіденційності команда розробила підхід машинного навчання, який оптимізує результати моделі без порушення конфіденційності.
Традиційний метод шифрування даних для захисту конфіденційності створює обчислювальні виклики, оскільки дані потрібно розшифровувати для навчання. Цей підхід не вдається уникнути збереження приватної інформації у навченій моделі. З іншого боку, розбивання даних на менші пакети для навчання за допомогою локального навчання чи федеративного навчання вносить ризик витоку приватної інформації.
Щоб подолати ці обмеження, дослідницька група включила децентралізований алгоритм перемішування у свій підхід конфіденційного машинного навчання. Додавши перемішувач в межах рамок диференційованої конфіденційності, вони досягли кращих результатів моделі за збереження того ж рівня конфіденційності. Цей децентралізований підхід усунув проблеми довіри, пов’язані з централізованим перемішувачем третьої сторони, і забезпечив баланс між збереженням конфіденційності та можливістю моделі.
Підхід команди, відомий як PPML-Omics, проявив свою ефективність у тренуванні представницьких моделей глибинного навчання для складних мульти-омничних завдань. PPML-Omics не лише перевершував інші методи за продуктивністю, але й проявив стійкість проти кібератак передового рівня.
Цей дослід підкреслює зростаюче значення захисту конфіденційності в глибинному навчанні, особливо коли воно застосовується до аналізу біологічних та біомедичних даних. Здатність моделей глибинного навчання зберігати приватну інформацію з тренувальних даних створює значні ризики конфіденційності. Тому поєднання алгоритмів збереження конфіденційності з техніками машинного навчання є ключовим для просування медичних досліджень із збереженням конфіденційності осіб.
Забезпечуючи баланс між конфіденційністю та продуктивністю моделі, підхід PPML-Omics відкриває нові можливості для прискорення виявлення з даних геноміки. Він дозволяє дослідникам використовувати потенціал штучного інтелекту для медичних досліджень без порушення приватності осіб.
The source of the article is from the blog trebujena.net