دسترسی همگانی(OPAC) نام کتابخانه در اوپک

حفظ حریم خصوصی در داده¬های پزشکی با استفاده از شبکه¬های عصبی کانولوشن (1403) / وکیلی ، بهارو، نویسنده
نوع مدرک:متون چاپی
سرشناسهوکیلی ، بهارو، نویسنده
شماره بازیابی :‭COM A ‭48 1403
عنوان :حفظ حریم خصوصی در داده¬های پزشکی با استفاده از شبکه¬های عصبی کانولوشن
عنوان موازی :Privacy protection in medical data using convolutional neural networks
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1403
صفحه شمار:96ص
شابک/شاپا25887
یادداشتپایان نامه کارشناسی ارشد/رساله دکتری رشته هوش مصنوعی
شناسه افزوده :نصر اصفهانی ، ابراهیم، استاد راهنما
زمین کار ، مینا، استاد مشاور
توصیفگرهاحفظ حریم خصوصی، امنیت، داده¬کاوی، شبکه¬های عصبی کانولشن، ماشین بردار پشتیبان  Privacy, security, data mining, convolutional neural networks, support vector machine
چکیده :حفظ حریم خصوصی به عنوان یکی از اصول اساسی در مدیریت داده‌های پزشکی، اهمیت بالایی دارد، چرا که این داده‌ها حاوی اطلاعات حساس و شخصی بیماران هستند. با این حال، چالش‌های زیادی در زمینه حفظ حریم خصوصی وجود دارد که مهم¬ترین آن‌ها شامل دسترسی غیر مجاز به داده‌ها، نشت اطلاعات، و سوءاستفاده‌های احتمالی از داده‌های شخصی می‌باشد. این چالش‌ها نه تنها تهدیدی برای امنیت اطلاعات بیماران هستند، بلکه می‌توانند اعتبار سیستم‌های بهداشتی و درمانی را نیز تحت تأثیر قرار دهند. برای مقابله با این چالش‌ها، روش‌های مختلفی پیشنهاد شده است که از جمله آن‌ها می‌توان به رمزنگاری داده‌ها، سیاست‌های قانونی سختگیرانه، یادگیری فدرال، و یادگیری انتقالی اشاره کرد. این روش‌ها به‌طور مؤثری می‌توانند امنیت داده‌ها را افزایش دهند و از دسترسی غیر مجاز به اطلاعات حساس جلوگیری کنند. ترکیب فناوری‌های پیشرفته نظیر شبکه‌های عصبی کانولوشن (CNN) و ماشین بردار پشتیبان (SVM) به‌عنوان یک رویکرد نوآورانه در حفظ حریم خصوصی می‌تواند تأثیر قابل توجهی داشته باشد. در این ترکیب، شبکه‌های عصبی برای استخراج و یادگیری ویژگی‌های پیچیده از داده‌های پزشکی استفاده شده و ماشین بردار پشتیبان برای طبقه‌بندی و پیش‌بینی داده‌ها به کار گرفته می‌شود. در این پژوهش جهت حفظ حریم خصوصی از یک فرآیند سه مرحله¬ای استفاده گردیده است که در مرحله¬ی نخست عملیات پیش¬پردازش به منظور بهبود داده¬ها صورت گرفته است، بعد از عملیات فوق، استخراج الگو توسط شبکه¬ی عصبی کانولوشن صورت گرفته است و در نهایت عملیات طبقه¬بندی براساس ماشین بردار پشتیبان برای جلوگیری از دسترسی¬های غیر مجاز استفاده گریدده است. نتایج حاصل از آزمایش¬ها نشان¬دهنده¬¬ی کارایی قابل قبول روش پیشنهادی در حفظ حریم خصوصی داده¬¬ها می¬باشد
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=14723
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
25887‭COM A ‭48 1403 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :