A privacy-preserving solution for the bipartite ranking problem on Spark framework

Iki uçlu sıralama problemi, bir veri kümesindeki pozitif örnekleri negatif olanlardan daha yüksek konumlara yerlestiren bir fonksiyon bulma problemi olarak tanımlanır. Finansal ve tıbbi alanlar, sıralama algoritmalarının ortak uygulama alanlarından bazılarıdır. Bununla birlikte, bu tür alanlar için ortak bir endise, veri kümesindeki kisilerin mahremiyetidir. Yani, böyle bir alandan elde edilen bir veri kümesindeki bilgiyi kesfetmek isteyen bir arastırmacı bir sıralama algoritması çalıstırmak için veri kümesindeki bireylerin tüm bilgilerine erismek zorundadır. Gizlilik endisesi, bu tür analizler için hassas kisisel verilerin kullanımına iliskin sınırlamalar getirmektedir. Arastırmacının, verilerden bir sıralama modeli ögrenmek için örneklerin ham verilerine ihtiyaç duymadıgı, gizliligi koruyan iki uçlu sıralama problemi için verimli bir çözüm önermekteyiz. RIMARC (ROC Egrisi Altındaki Alanı Maksimize Ederek Örnekleri Sıralama) algoritması, örnekleri sıralamak için bir model ögrenerek iki uçlu sıralama problemini çözer. Modelin bir parçası olarak, alıcının çalısma karakteristigi (ROC) egrisi altındaki alanı analiz ederek her bir özellik için bir agırlık ögrenir. RIMARC algoritmasının benzer sıralama algoritmalarından daha basarılı ve hızlı oldugu gösterilmistir. Dolayısıyla, RIMARC algoritmasını bir yapı tası olarak alıp, homomorfik sifreleme ve güvenli çok partili hesaplama kullanarak bu algoritmanın gizliligi koruyan bir versiyonunu gelistirdik. RIMARC algoritmasının büyük veri kümelerinde zaman verimliligini artırmak için, Resilient Distributed Datasets adlı programlama paradigması ile popüler, bir paralellestirme çerçevesi olan Apache Spark'da gizliligi koruyan versiyonunu gelistirdik. Önerilen algoritmamız, bir veri sahibinin, sifreli veri kümesinin depolanmasını ve islenmesini, yarı güvenilir bir bulut ortamında dıs kaynak olarak saglar. Bir arastırmacı, bir sıralama fonksiyonu ögrenmek için bulut ile etkilesim kurarak veri kümesindeki sorgularının sonuçlarını alabilir. Bu süreçte ne arastırmacı ne de bulut, islenmemis veri kümesiyle ilgili herhangi bir bilgiye erisemez. Önerilen algoritmanın güvenligi kanıtlanmakta ve gerçek veriler üzerindeki deneyler ile verimliligi gösterilmektedir.