Stručni rad

Primjena homomorfne kriptografije na modele strojnoga učenja

Mária Krajčí ; Tehnički fakultet u Rijeci
Vesna Krajči ; Veleučilište u Rijeci

Sažetak

S obzirom na rastuću potrebu za obradom medicinskih podataka uz osiguranje njihove privatnosti, ovaj rad istražuje primjenu homomorfne kriptografije u treniranju i testiranju modela strojnoga učenja na medicinskim slikama, koristeći pristup temeljen na projektu CryptoNets. Homomorfna kriptografija omogućuje obradu kriptiranih podataka bez dekriptiranja, pružajući tako mogućnost treniranja i analize podataka uz očuvanje privatnosti pacijenata. Testiranje modela na tri odvojena skupa medicinskih podataka (ChestX-Det, Public Lung Dataset i JSRT Dataset) pokazalo je da primjena homomorfne kriptografije rezultira samo blagim smanjenjem točnosti modela. Na skupu ChestX-Det, koji predstavlja multiklasifikacijski problem, mjera F1 ostala je na zadovoljavajućoj razini, dok je na skupovima Public Lung Dataset i JSRT Dataset zabilježena nešto niža, ali prihvatljiva razina točnosti. Primijećeno je da su rezultati na JSRT skupu bili slabiji zbog manjega broja primjera što otežava učenje složenijih obrazaca. U radu se zaključuje da homomorfna kriptografija pruža ravnotežu između zaštite privatnosti i točnosti modela otvarajući mogućnosti za sigurnu obradu osjetljivih medicinskih podataka u kontekstu strojnoga učenja.

Ključne riječi

homomorfna kriptografija, CryptoNets, strojno učenje

Hrčak ID:

328531

URI

https://hrcak.srce.hr/328531

Datum izdavanja:

19.12.2024.

Podaci na drugim jezicima: engleski

Posjeta: 487 *