Pētniecības komanda no KAUST ir paveikusi nozīmīgus soļus, risinot uzdevumu integrēt mākslīgo intelektu (AI) ar ģenētiskajiem datiem, nodrošinot indivīdu privātumu. Izmantojot privātumu aizsargājošu algoritmu kopu, komanda ir izstrādājusi mašīnmācīšanās pieeju, kas optimizē modeļa veiktspēju, neradot draudus privātumam.
Tradicionālais datu šifrēšanas veids, lai aizsargātu privātumu, rada skaitliskas grūtības, jo dati jādekodē apmācībai. Šāda pieeja arī neizdodas izskaust privāto informāciju no apmācītā modeļa. No otras puses, datu sadalīšana mazākās paketēs apmācībai, izmantojot vietējo apmācību vai federatīvo mācību, ievieš privātās informācijas noplūdes risku.
Lai pārvarētu šīs ierobežojumus, pētniecības komanda savā privātumu aizsargājošajā mašīnmācīšanās pieejā iekļāva decentralizētu maisīšanas algoritmu. Pievienojot maisītāju diferenciālā privātuma struktūrā, viņi sasniedza labāku modeļa veiktspēju, vienlaikus saglabājot tādu pašu līmeni privātuma aizsardzībā. Šī decentralizētā pieeja novērsa uzticības jautājumus, kas saistīti ar centralizētu trešās puses maisītāju, un radīja līdzsvaru starp privātuma saglabāšanu un modeļa spēju.
Komandas pieeja, zināma arī kā PPML-Omics, pierādīja savu efektivitāti, apmācot pārstāvīgus dziļās mācīšanās modeļus sarežģītos daudzveidīgu -omics uzdevumos. PPML-Omics ne tikai izrādīja augstāku efektivitāti salīdzinājumā ar citiem metodēm, bet arī pierādīja noturību pret jaunāko kiberauzbrukumu tehniku.
Šī pētniecība uzsvēra privātuma aizsardzības pieaugošo nozīmi dziļās mācīšanās laukā, īpaši, kad to piemēro bioloģisku un medicīnisku datu analīzei. Dziļās mācīšanās modeļiem ir spēja saglabāt privāto informāciju no apmācības datiem, kas rada būtiskus privātuma riskus. Tāpēc privātuma aizsargu algoritmu apvienošana ar mašīnmācīšanās tehnikām ir būtiska medicīniskās pētniecības attīstībai, vienlaikus nodrošinot indivīdu privātumu.
Ar līdzsvaru starp privātumu un modeļa veiktspēju PPML-Omics pieeja atver jaunas iespējas, lai paātrinātu atklājumus no ģenētiskajiem datiem. Tā dod iespēju pētniekiem izmantot AI spēku medicīniskajā pētniecībā, nekaitējot indivīdu privātumam.
The source of the article is from the blog dk1250.com