Забезпечення майбутнього машинного навчання: вирішення питань конфіденційності, надійності та етичних проблем

Скорочена інформація про документ
dc.contributor.advisorШибаєва, Наталя Олегівна
dc.contributor.authorГребенник, Андрій Дмитрович
dc.date.accessioned2024-11-07T12:34:54Z
dc.date.available2024-11-07T12:34:54Z
dc.date.issued2023
dc.description.abstractУ цій статті розглядаються етичні складнощі широкого впровадження машинного навчання, розглядаються конфіденційність, надійність моделі та ширші етичні проблеми. Зосереджуючись на впливі на суспільство, він підкреслює першочергову важливість конфіденційності, що обумовлено великою кількістю особистих даних під час навчання моделей. Обговорюються ризики ненавмисного розголошення та повторної ідентифікації, що вимагає тонкого балансу між корисністю моделі та індивідуальною конфіденційністю в умовах зміни правил. Наголошуючи на стійкості моделі до агресивних атак, у статті досліджуються такі методи, як змагальне навчання, використання різноманітних наборів даних та інструменти інтерпретації. Етичні міркування, особливо в таких нових технологіях, як автономні системи, ретельно вивчаються, кульмінацією чого є заклик до цілісного підходу, який відстоює справедливість, прозорість і конфіденційність у відповідальних і етичних практиках машинного навчання.
dc.description.abstractotherThis article delves into the ethical complexities of widespread machine learning adoption, addressing privacy, model robustness, and broader ethical concerns. Focusing on societal impact, it highlights the paramount importance of privacy, driven by copious personal data in model training. Risks of inadvertent disclosure and re-identification are discussed, necessitating a delicate balance between model utility and individual privacy amidst evolving regulations. Emphasizing model robustness against adversarial attacks, the article explores techniques like adversarial training, diverse dataset use, and interpretability tools. Ethical considerations, particularly in emerging technologies like autonomous systems, are scrutinized, culminating in a call for a holistic approach championing fairness, transparency, and privacy in responsible and ethical machine learning practices.
dc.format.pagerangeС. 76-79
dc.identifier.citationГребенник, А. Д. Забезпечення майбутнього машинного навчання: вирішення питань конфіденційності, надійності та етичних проблем / Гребенник Андрій Дмитрович // Інженерія програмного забезпечення і передові інформаційні технології (SoftTech-2023) : матеріали V Міжнародної науково-практичної конференції молодих вчених та студентів, присвячених 125-й річниці КПІ ім. Ігоря Сікорського (19-21 грудня 2023 р., Київ). – Київ : КПІ ім. Ігоря Сікорського, ІПІ ФІОТ, 2023. – С. 76-79. – Бібліогр.: 3 назв.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70431
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceМатеріали V Міжнародної науково-практичної конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології (SoftTech-2023)», присвячених 125-й річниці КПІ ім. Ігоря Сікорського, 19-21 грудня 2023 р., Київ
dc.subjectМашинне навчання
dc.subjectетичні міркування
dc.subjectпитання конфіденційності
dc.subjectнадійність моделі
dc.subjectстійкість
dc.subjectзмагальні атаки
dc.subjectзмагальна підготовка
dc.subjectаналіз даних
dc.subjectдиференційована конфіденційність
dc.subjectзаходи захисту даних
dc.subjectправила конфіденційності
dc.subjectсправедливість
dc.subjectпрозорість
dc.subjectвідповідальне використання персональних даних
dc.subjectвплив на суспільство
dc.subjectрізні сектори
dc.subjectетика імперативи
dc.subjectпідзвітність
dc.subjectможливість інтерпретації
dc.subjectавтономні системи
dc.subjectетичні настанови
dc.subjectнормативні рамки
dc.subjectгромадська довіра
dc.subjectпозитивні суспільні зміни
dc.subjectMachine learning
dc.subjectethical considerations
dc.subjectprivacy concerns
dc.subjectmodel robustness
dc.subjectresilience
dc.subjectadversarial attacks
dc.subjectadversarial training
dc.subjectdata analysis
dc.subjectdifferential privacy
dc.subjectdata protection measures
dc.subjectprivacy regulations
dc.subjectfairness
dc.subjecttransparency
dc.subjectresponsible use of personal data
dc.subjectsocietal impact
dc.subjectdiverse sectors
dc.subjectethical imperatives
dc.subjectaccountability
dc.subjectinterpretability
dc.subjectautonomous systems
dc.subjectethical guidelines
dc.subjectregulatory frameworks
dc.subjectpublic trust
dc.subjectpositive societal change
dc.subject.udc004.8
dc.titleЗабезпечення майбутнього машинного навчання: вирішення питань конфіденційності, надійності та етичних проблем
dc.title.alternativeSecuring the future of machine learning: addressing privacy, robustness, and ethical challenges
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Conf_SoftTech_2023_5-76-79.pdf
Розмір:
235.34 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Інженерія програмного забезпечення і передові інформаційні технології (SoftTech-2023)