Helsingin yliopiston, Aalto-yliopiston ja tokiolaisen Waseda-yliopiston tutkijoiden kehittämä uusi koneoppimismenetelmä pitää huolen siitä, että data pysyy yksityisenä. Sen avulla voidaan suojata esimerkiksi kännyköille hajautettua tietoa niin, että kaikkien datassa edustettujen yksilöiden yksityisyys voidaan turvata.
Viime vuosina suojauksen takaamiseksi on kehitetty differentiaalisen yksityisyyden käsitteeseen perustuvia niin sanottuja yksityisyystietoisia koneoppimismenetelmiä, jotka takaavat sen, ettei julkaistu malli tai tulos paljasta kuin rajoitetusti informaatiota kustakin datassa edustetusta yksilöstä.
ääAiemmin data on ensin pitänyt kerätä yhdelle taholle, jolla on rajaton pääsy kaikkeen, kun nyt esitetty uusi menetelmämme mahdollistaa tarkkojen mallien luomisen esimerkiksi käyttäjien omille laitteille hajautetusta datasta ilman, että yksityistä dataa tarvitsee paljastaa kenellekään ulkopuoliselle’’, kertoo apulaisprofessori Antti Honkela Helsingin yliopistosta.
Helsingin yliopiston ja Aalto-yliopiston tutkijaryhmä on soveltanut yksityisyystietoisia menetelmiä muun muassa syöpälääkkeiden tehon ennustamiseen geenien aktiivisuuden perusteella.
’’Olemme kehittäneet näitä menetelmiä Suomen Akatemian rahoituksella muutaman vuoden, ja nyt alkaa näyttää erittäin lupaavalta. Isosta datasta oppiminen on helpompaa, ja nyt oppiminen alkaa olla mahdollista pienestäkin datasta’’, sanoo akatemiaprofessori Samuel Kaski Aalto-yliopistosta.
Tutkijoiden menetelmä julkaistiin ja esiteltiin joulukuun alkupuolella Yhdysvalloissa järjestetyssä koneoppimisen vuosittaisessa Neural Information Processing Systems (NIPS) -kongressissa.
Kuva: Eliel Kilkki
LISÄÄ: M. Heikkilä, E. Lagerspetz, S. Kaski, K. Shimizu, S. Tarkoma, A. Honkela. Differentially private Bayesian learning on distributed data. In Advances in Neural Information Processing Systems 30 (NIPS 2017). (LINKKI)
Uusimmat teknologiauutiset kätevästi uutiskirjeessä – kerran viikossa (LINKKI).
LUE – UUTTA – LUE – UUTTA – LUE – UUTTA
Uusi ammattilehti huipputekniikan kehittäjille – Lue tästä ilmaiseksi!
https://issuu.com/uusiteknologia.fi/docs/2_2017