Uma avaliação experimental do esquecimento utilizando o algoritmo de aprendizado de máquina em fluxo de dados SAM-KNN

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBernardini, Flávia Cristina-
Autor(es): dc.contributorFerro, Mariza-
Autor(es): dc.contributorMiranda, Leandro Botelho Alves de-
Autor(es): dc.creatorPeniche, Eduardo Henrique Quinhões-
Data de aceite: dc.date.accessioned2024-07-11T18:45:28Z-
Data de disponibilização: dc.date.available2024-07-11T18:45:28Z-
Data de envio: dc.date.issued2023-02-22-
Data de envio: dc.date.issued2023-02-22-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/27938-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/776940-
Descrição: dc.descriptionCom a expansão da conectividade através da internet, existe uma geração constante de dados dos quais podemos tirar proveito aplicando diferentes algoritmos de aprendizado de máquina online, também conhecidos como algoritmos de data stream learning. Esse fluxo de dados, tratado pelos algoritmos de data stream learning, pode ser mais genérico, como uso/demanda de energia ou detecção de ataques cibernéticos em redes, assim como dados mais particulares como retenção de usuários em feeds de redes sociais. No entanto, com a instituição de leis nacionais, e internacionais que garantem o direito ao esquecimento de dados, não somente os dados particulares precisam ser apagados como também os modelos que os utilizam precisam ser adaptados para esquecê-los. Sendo assim, neste projeto será proposta uma adaptação do algoritmo SAM-KNN para que haja a possibilidade do esquecimento dos dados e serão analisados seus impactos no desempenho do algoritmo.-
Descrição: dc.descriptionWith the expansion of connectivity through the Internet, there is a constant generation of data from which we can take advantage of by applying different online machine learning algorithms, also known as data stream learning algorithms. This stream of data, treated by the data stream learning algorithms, can be more generic, such as energy use/demand or detection of cyberattacks in networks, or they can be more private, such as user retention on social networks feeds. However, with the institution of national and international laws that guarantee the rights to be forgotten, not only does the private data have to be deleted but the models that utilize them must be adapted to forget them. Therefore, in this project we will propose an adaption of the SAMKNN algorithm so that it will be able to forget the data and its impacts to the algorithm performance will be analyzed-
Descrição: dc.description81 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAprendizado de Máquina Online-
Palavras-chave: dc.subjectDireito ao Esquecimento-
Palavras-chave: dc.subjectSAM-KNN-
Palavras-chave: dc.subjectLei Geral de Proteção de Dados Pessoais-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectProteção de dados-
Palavras-chave: dc.subjectAlgoritmo computacional-
Palavras-chave: dc.subjectOnline Machine Learning-
Palavras-chave: dc.subjectRight to be Forgotten-
Palavras-chave: dc.subjectSAM-KNN-
Palavras-chave: dc.subjectGeneral Law of Personal Data Protection-
Título: dc.titleUma avaliação experimental do esquecimento utilizando o algoritmo de aprendizado de máquina em fluxo de dados SAM-KNN-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.