Дослідження та аналіз методів забезпечення диференційної конфіденційності у великих наборах даних

Abstract

Мета роботи полягає у дослідженні та порівняльному аналізі математичних моделей диференційної конфіденційності, практичних методів її впровадження в задачах обробки великих даних та машинного навчання, а також оцінюванні відповідності сучасним міжнародним стандартам і регуляторним вимогам щодо захисту персональних даних. Об’єкт дослідження – процес забезпечення приватності персональних даних у великих наборах даних. Предмет дослідження – математичні моделі, алгоритми, інструменти та регуляторні підходи, що застосовуються для реалізації диференційної конфіденційності в інформаційних системах, зокрема в аналітичних платформах та моделях машинного навчання. Основними методами дослідження є математичний аналіз, моделювання, експериментальні обчислення, порівняльний аналіз моделей, а також дослідження нормативно-правових документів у сфері захисту даних. У роботі досліджено: теоретичну основу диференційної конфіденційності, математичні властивості, практичну інтеграцію шуму у моделі машинного навчання, а також регуляторні вимоги й стандарти, що визначають коректність та доцільність використання даної технології. Результати роботи можуть бути використані в наукових дослідженнях, у розробці безпечних аналітичних систем, а також у практичних проєктах, пов’язаних з обробкою великих даних, машинним навчанням та впровадженням технологій забезпечення приватності.