Advancing Privacy and Security in Machine Learning Through Homomorphic Encryption And Explainable AI

Bu çalışma, bulut tabanlı makine öğrenimi çözümlerinde veri gizliliğini sağlamak amacıyla homomorfik şifreleme (homomorphic encryption) ve Yapay Sinir Ağları (YSA) kullanan gizlilik odaklı bir çerçeve önermektedir. Şifreli ortamlarda hesaplama maliyeti yüksek olan doğrusal olmayan aktivasyon fonksiyonlarını (Sigmoid ve Tanh) verimli yönetmek için hafif YSA tabanlı tahminciler geliştirilmiş ve şeffaflığı artırmak adına SHAP algoritması ile açıklanabilir yapay zeka (XAI) entegrasyonu sağlanmıştır. Geliştirilen yaklaşım; MNIST, QEEG verileriyle disleksi tespiti ve UCI Kalp Hastalığı veri kümelerinde doğrulanarak güvenlik, yüksek model başarımı ve açıklanabilirlik gereksinimlerini başarıyla dengelediğini kanıtlamıştır.