PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Data privacy and fairness in machine learning
Alternative Title :Ιδιωτικότητα και δικαιοσύνη δεδομένων στη μηχανική μάθηση
Creator :Βρεττέας, Στυλιανός
Vretteas, Stylianos
Contributor :Terrovitis, Emmanouil (Επιβλέπων καθηγητής)
Mitrou, Lilian (Εξεταστής)
Chatziantoniou, Damianos (Εξεταστής)
Athens University of Economics and Business, Department of Management Science and Technology (Degree granting institution)
Type :Text
Extent :57p.
Language :en
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=10500
Abstract :Αυτή η ανάλυση προσπαθεί να αντιμετωπίσει το ακόλουθο ζήτημα. Το ζήτημα είναι αν οι τεχνολογίες που έχουμε σχεδιάσει είναι δίκαιες και αν ο συνδυασμός τους με την Ανωνυμοποίηση μπορεί να την κάνει πιο δίκαιη και δίκαιη. Αυτό υλοποιείται αρχικά με τη μελέτη της υπάρχουσας βιβλιογραφίας των ορισμών της Δικαιοσύνης και της Ανωνυμοποίησης. Δεύτερον, προσπαθώντας να υλοποιήσει βασικούς αλγορίθμους πρόβλεψης με τη βοήθεια των προτεινόμενων από τη βιβλιογραφία συνόλων δεδομένων και, στη συνέχεια, χρησιμοποιώντας την ανωνυμοποίηση στα ευαίσθητα δεδομένα του συνόλου δεδομένων να δει τα αποτελέσματά και να συγκρίνει.
This analysis tries to cope with the following issue. The issue is whether the technologies we have designed are fair and whether their combination with Anonymization can make it fairer and just. This is implemented firstly by studying the existing bibliography of Fairness definitions and Anonymization. Secondly, by trying to implement basic classifications algorithms with the help of the proposed by the bibliography datasets and then using Anonymization in the dataset’s sensitive data in order to see its effects and compare the results.
Subject :Δικαιοσύνη δεδομένων
Ιδιωτικότητα δεδομένων
Μηχανική μάθηση
Data fairness
Data privacy
Machine learning (ML)
Date Available :2023-04-26 08:55:16
Date Issued :31-03-2023
Date Submitted :2023-04-26 08:55:16
Access Rights :Free access
Licence :

File: Vretteas_2023.pdf

Type: application/pdf