Mer om avhandlingen
"Överbrygga AI och datasekretess: lösningar för högdimensionell data och grundmodeller" behandlar den växande spänningen mellan kraften i AI och behovet av att skydda den personliga integriteten i en tid av högdimensionella data. Den identifierar svagheterna i befintliga integritetsmetoder som k-anonymitet och differentiell integritet när de används på högdimensionella datamängder och föreslår förbättrade lösningar med hjälp av mångfaldig inlärning, syntetisk datagenerering och integritetsskyddande modellkomprimering. Forskningen introducerar avancerade, skalbara ramverk som förbättrar både datanyttan och integriteten. Sammantaget erbjuder avhandlingen ett väl avvägt tillvägagångssätt för att bygga etiska, integritetsmedvetna AI-system som är praktiska för verkliga tillämpningar. Läs avhandlingen här.