سامانه همایش ها

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

حریم خصوصی در هوش مصنوعی:چالش ها و رویکردهای نوین با تاکید بر حوزه ی سلامت و مالی

نویسندگان :

سیمین عدل خواه¹

1- دانشگاه آزاد اسلامی واحد علوم پزشکی تبریز

کلمات کلیدی :

هوش مصنوعی،حریم خصوصی داده ها،یادگیری فدرال،رمزنگاری همریخت،تفاضل حریم خصوصی

چکیده :

چکیده هدف: این پژوهش با هدف واکاوی چالش‌های حریم خصوصی در هوش مصنوعی و تحلیل رویکردهای نوین حفاظت از داده‌ها شامل یادگیری فدرال، تفاضل حریم خصوصی و رمزنگاری همریخت انجام شد. اهمیت این پژوهش در مقایسه هم‌زمان این سه روش در دو حوزه‌ی حساس سلامت و مالی نهفته است؛ موضوعی که در تحقیقات داخلی کمتر بدان پرداخته شده است. روش‌ها: روش تحقیق ترکیبی بود. ابتدا مرور نظام‌مند پژوهش‌های فارسی و انگلیسی در بازه‌ی 2015 تا 2023 صورت گرفت. سپس داده‌های پزشکی و مالی با نمونه‌گیری تصادفی طبقه‌ای انتخاب و در سه مدل یادگیری ماشین (شبکه عصبی، درخت تصمیم و رگرسیون لجستیک) پیاده‌سازی شدند. الگوریتم‌های یادگیری فدرال، تفاضل حریم خصوصی و رمزنگاری همریخت روی داده‌ها اعمال و نتایج با آزمون t مستقل و تحلیل واریانس یک‌طرفه مقایسه شدند. نتایج: یافته‌ها نشان دادند که یادگیری فدرال بالاترین دقت (۹۱٪ در سلامت و ۹۳٪ در مالی) را در کنار امنیت متوسط فراهم می‌آورد. تفاضل حریم خصوصی امنیت بیشتری ایجاد کرد، اما به کاهش ۸ تا ۱۲ درصدی دقت منجر شد. رمزنگاری همریخت امنیت بسیار بالایی داشت، اما زمان اجرای الگوریتم‌ها تا سه برابر افزایش یافت. اهمیت کاربرد نتایج: نتایج حاصل نشان می‌دهد که در پروژه‌های ملی و حساس مانند سلامت، رمزنگاری همریخت و تفاضل حریم خصوصی کارآمدتر هستند، در حالی که در حوزه مالی، یادگیری فدرال با توازن بهتر میان امنیت و دقت کاربردی‌تر است. این یافته‌ها می‌تواند برای سیاست‌گذاران و توسعه‌دهندگان سامانه‌های هوشمند در طراحی چارچوب‌های امن و پایدار هوش مصنوعی راهگشا باشد.