Эффективность существующих методов защиты данных можно повысить.
Современные технологии, в частности, федеративное обучение, широко используются для защиты личных данных при обмене информацией в областях здравоохранения, финансов и телекоммуникаций. Этот метод позволяет устройствам совместно анализировать данные, не передавая реальные сведения друг другу. Однако, несмотря на наличие защитных механизмов, федеративное обучение не всегда обеспечивает полную конфиденциальность.
В своей диссертации аспирантка факультета компьютерных наук Салони Кватра обнаружила уязвимости в существующей системе и предложила усовершенствованные алгоритмы для повышения безопасности пользователей. Она поясняет: «Федеративное обучение создано для защиты конфиденциальности, однако в процессе обновления системы может происходить утечка данных. Моя работа направлена на устранение таких рисков».
Кватра использует две техники для повышения безопасности: k-анонимность и дифференциальную приватность. Метод k-анонимности предполагает группировку данных таким образом, что каждая комбинация уникальных характеристик, таких как возраст, рост или цвет глаз, будет общей для нескольких человек. Это снижает вероятность идентификации отдельных личностей, защищая их конфиденциальность.
Источник: hi-tech.mail.ru
